相关熵论文_陈峻婷

导读:本文包含了相关熵论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:噪声,自适应,高斯,准则,函数,载频,流形。

相关熵论文文献综述

陈峻婷^[1]（2019）在《一种基于最大相关熵准则的核极限学习机》一文中研究指出针对传统的基于最小均方误差准则(Minimum mean squared error, MMSE)构造的核极限学习机(Kernel extreme learning machine, KELM)对噪声敏感、容易出现过拟合现象的问题,提出利用最大相关熵准则(Maximum correntropy criterion, MCC)替代最小均方差准则构建核极限学习机.采用拉格朗日乘子法对最大相关熵准则下的目标函数进行求解,推导出适用于高斯噪声环境的核极限学习机(MCC-KELM)模型.UCI公用数据集和噪声数据集上的实验表明该算法具有良好的预测精度和泛化性能.(本文来源于《赣南师范大学学报》期刊2019年06期）

孙泽昊^[2]（2019）在《基于最大相关熵准则的电网月度电量预测》一文中研究指出随着第二次电力改革的逐步推进,售电公司越来越迫切地寻求高精度、普适性强的电量预测算法。具有高精度、普适性强的电量预测算法能为售电公司提供最基本的策略保证,对企业增强市场核心竞争力具有十分重要的意义。然而,中国的售电市场才刚刚起步,面向中小型用户的电量预测算法未受到广泛关注,传统的电量预测算法已不能适应售电公司的市场需求。目前,很多中小型用户的用电量容易受到企业经济效益与当地气候因素的影响,使得用户所提供的电量数据具有明显的非线性、随机性等特征,从而导致传统预测算法难以精准预测,造成售电公司的巨大损失。传统意义上的神经网络算法或极限学习机算法在电量预测时需要考虑该模型的数据量,即需要提供大量历史数据集进行训练,限制了这两类算法在此领域的运用。基于上述问题,本文着重解决了样本小、非线性强的的电量数据预测问题,提出使用基于最大相关熵准则的支持向量回归算法(MCC-SVR)与基于最大相关熵准则的最小二乘支持向量机算法(MCC-LSSVM)。本文首先明确了电量预测的概念并对常用于电量预测的模型进行简单介绍。其次,使用邓氏关联度以及改进的关联度分析模型对数据的可预测性进行分析,找出对用电量预测影响最大的两种因素:经济因素与气候因素。随后,针对现有数据量样本小、分布不均匀的统计特性,在基本支持向量机的模型上使用最大相关熵准则代替原有模型中的风险函数形成了MCC-SVR与MCC-LSSVM模型。最终,为了使所改进的模型能更好的适应各种条件下的电量预测,保持最佳学习能力,本文使用了网格寻优法与交叉验证法对模型参数进行寻优,确保参数普适性。最终选择合适的评价指标对预测结果进行分析。文章最后以教育行业、机械制造业以及其他行业数据为样本,结合经济发展数据、气候数据对用电量情况进行预测。结果显示,所建立的基于MCC的改进方案是有效的,并且预测误差基本在3%以内。(本文来源于《西安理工大学》期刊2019-06-30）

金芳晓^[3]（2019）在《基于相关熵的自适应波束形成与无线定位中参数估计研究》一文中研究指出随着无线电技术的快速发展和广泛应用,国家对无线电的管理与监测也在与时俱进。在无线电监测领域中,对于复杂电磁环境下无线信号的检测与定位一直是研究的热点与重点。自适应波束形成作为一种空域滤波技术,可以较好地实现信号的检测与提取。由于绝大多数通信信号具有循环平稳特性,基于信号循环平稳性的自适应波束形成算法引起了普遍的注意。然而,传统的基于信号循环平稳性的算法大多对循环频率误差(cyclic frequency error,CFE)敏感,直接影响到实际的应用效果。此外,作为无线被动定位参数估计中的重要组成部分,波达方向(direction of arrival,DOA)估计和到达时差(time difference of arrival,TDOA)估计受到国内外学者普遍关注。在DOA估计中,传统算法大多在窄带信号源的假设下提出的,且需已知信号源个数;而在TDOA估计中,现有算法则大多在宽带信号且不存在幅度衰减的假设下提出的。随着现代信号处理技术的日趋成热与发展,电磁环境的日益复杂,这些假设变得过于苛刻,导致的算法局限性日益突出。针对以上问题,本文对基于信号循环平稳性的自适应波束形成与无线定位中的DOA和TDOA估计开展了如下创新性研究工作:(1)针对基于循环平稳性的自适应波束形成对CFE敏感的问题,本文基于压缩信号处理理论提出了一种压缩采样下的循环频率估计算法。该算法通过建立循环谱与频移自相关矩阵之间的联系,在压缩采样下重构信号循环谱,对信号循环频率进行估计,有效较少了计算复杂度。进一步地,考虑预先估计循环频率需要耗费较大的存储单元,提出了一种存在CFE下稳健的自适应波束形成算法。该算法利用最大相关墒准则(maximum correntropy criterion,MCC)求解某一假定循环频率下的加权矢量,再以输出信号的相关熵相关函数作为代价函数,自适应调整加权矢量和循环频率,从而实现存在CFE下主波束的优化,在脉冲噪声和同频干扰共存的复杂电磁环境下具有良好的波束形成效果。(2)针对未知信源个数条件下的DOA估计问题,本文利用信号协方差矩阵特征值序列的稀疏性,结合该协方差矩阵估计误差的概率分布获取重构残差项的置信上界,提出了一种基于l1稀疏正则化的信号源个数估计算法。该算法可以在较低信噪比的空间平稳噪声条件下,实现对较少快拍数下阵列接收信号信源个数的精确估计。进一步地,考虑DOA估计和信源个数估计不应是两个独立过程,提出了一种适用于宽带信号的信源个数和DOA联合估计算法。该算法基于循环相关熵的性质建立宽带信号阵列线性预测模型,并在此基础上引入正则化参数,利用MCC准则实现对模型中包含DOA和信源个数信息的参量进行估计,较好地解决了超分辨DOA估计算法的性能受信号带宽限制的问题。(3)针对脉冲噪声下基于相关熵的时延估计精度受信号带宽和振幅限制的问题,本文分别展开了研究。在窄带信号时延估计的研究中,基于相关熵希尔伯特变换时延估计的定理提出了一种脉冲噪声下窄带射频信号时延估计算法。该算法具有较为精确的时延估计性能和较好的伪峰抑制能力,且具有受信号带宽影响小、抗噪能力强等优点。在振幅衰减信号时延估计的研究中,利用FIR滤波器系数对时延信号进行建模,结合MCC准则估计求解时延闭合形式的递归解,提出了一种一步法自适应时延估计算法,并证明了算法估计的无偏性,在振幅衰减严重以及高脉冲噪声的复杂电磁环境下仍具有较高的时延估计精度。(本文来源于《大连理工大学》期刊2019-05-28）

朝乐蒙,邱天爽,李景春,李蓉^[4]（2019）在《广义复相关熵与相干分布式非圆信号DOA估计》一文中研究指出针对相干分布式非圆信号参数估计算法在脉冲噪声环境下性能退化的问题,本文提出了广义复相关熵的概念,并给出了基于广义复相关熵的相干分布式非圆信号DOA(Direction of Arrival)估计方法。该算法首先由分布式信源模型获得入射信号的阵列输出信号,利用信号的非圆特性得到扩展阵列输出信号,再通过扩展阵列输出信号的广义复相关熵矩阵获取信号子空间,避开了传统二阶统计量算法在脉冲噪声下不适应的问题,最后由信号子空间旋转不变特性得到信号的中心波达方向角度。仿真实验结果表明,在Alpha稳定分布噪声条件下,与传统算法相比,本文所提算法具有更好的性能。(本文来源于《信号处理》期刊2019年05期）

王世元,王文月,钱国兵^[5]（2019）在《自适应矩估计最大相关熵算法的混沌序列预测》一文中研究指出为了提高非高斯噪声环境下混沌时间序列的预测精度,提出了一种基于自适应矩估计的最大相关熵算法(AdamMCC).在AdamMCC中,采用最大相关熵准则作为代价函数有效地抑制了异常噪声值对预测性能的影响,利用代价函数梯度的一阶矩和二阶矩估计自适应调整算法的权重参数,在不同阶段为算法提供了更好的最优权重搜索方向,从而提高了AdamMCC的预测性能.采用Mackey-Glass和Lorenz两类混沌时间序列进行仿真实验,验证文中提出的AdamMCC的收敛性能和稳态性能.实验结果表明,在非高斯环境下的预测过程中,相比于最小均方算法、最大相关熵算法和分数阶最大相关熵算法,文中提出的基于自适应矩估计的最大相关熵算法在保持鲁棒性的同时,还能以合理的计算复杂度获得更高的预测精度.(本文来源于《华南理工大学学报(自然科学版)》期刊2019年04期）

陈倩,张正江,胡桂廷,郑崇伟,闫正兵^[6]（2019）在《基于相关熵的光伏电池模型鲁棒参数辨识法》一文中研究指出参数辨识可以提高光伏电池模型参数设置的精确度,得到与实际对象相一致的模型。针对加权最小二乘参数辨识(WLS-PI)方法受测量数据显着误差影响显着的问题,提出了一种基于相关熵的鲁棒参数辨识(C-PI)方法。首先,分析了太阳能电池理论模型;其次,构造了一种相关熵估计器,通过该估计器的影响函数分析测量误差对辨识结果的影响,进一步将C-PI方法应用于光伏电池模型的参数辨识上。最后,将C-PI和WLS-PI两种方法用于仿真实例中,结果显示C-PI方法鲁棒性更好;进一步采用光伏电池的测试数据验证了C-PI方法的可行性与有效性。(本文来源于《控制工程》期刊2019年01期）

吴文静,梁中华,罗倩文,李巍^[7]（2018）在《基于最大相关熵的多凸组合滤波器》一文中研究指出相关熵被广泛地应用于非高斯信号处理中,但是也不可避免步长与失调量之间的矛盾。为了解决这个矛盾,基于最大相关熵的凸组合(Convex combination of Maximum Correntropy Criterion,CMCC)滤波器被提出,以同时获得大步长滤波器的快收敛速度和小步长滤波器的低失调量。但是,当两个步长不同的滤波器进行凸组合时,由于步长选取的差异,会导致组合滤波器的收敛速度和追踪最优值的能力下降。因此,提出了基于最大相关熵的多凸组合滤波器(Multi-convex Combination of Maximum Correntropy Criterion, MCMCC)。MCMCC算法能够提供数量更多不同步长的自适应滤波器,使得组合滤波器可以灵活地调节多个步长的权重占比,从而具有更好的追踪能力。仿真结果表明,在针对混合高斯噪声和突变的系统辨识中,MCMCC算法相比CMCC算法具有更快的收敛速度、再收敛能力和追踪能力。(本文来源于《电子技术应用》期刊2018年12期）

陈红,杨小飞,万青,马盈仓^[8]（2018）在《基于相关熵和流形学习的多标签特征选择算法》一文中研究指出从相关熵的角度出发,提出一种基于相关熵和特征流形学习的稀疏正则化方法,用于解决多标签特征选择问题。在相关熵定义的基础上给出多标签特征选择的回归模型;结合l_(2,1)范数的性质和特征流形学习的定义建立基于相关熵和特征流形学习的稀疏正则化多标签特征选择模型及算法;证明该算法的收敛性并且通过试验验证所给算法的有效性。(本文来源于《山东大学学报(工学版)》期刊2018年06期）

谢林江,尹东^[9]（2018）在《基于最大相关熵准则的鲁棒度量学习算法》一文中研究指出度量亦称距离函数,是度量空间中满足特定条件的特殊函数,一般用来反映数据间存在的一些重要距离关系.而距离对于各种分类聚类问题影响很大,因此度量学习对于这类机器学习问题有重要影响.受到现实存在的各种噪声影响,已有的各种度量学习算法在处理各种分类问题时,往往出现分类准确率较低以及分类准确率波动大的问题.针对该问题,本文提出一种基于最大相关熵准则的鲁棒度量学习算法.最大相关熵准则的核心在于高斯核函数,本文将其引入到度量学习中,通过构建以高斯核函数为核心的损失函数,利用梯度下降法进行优化,反复测试调整参数,最后得到输出的度量矩阵.通过这样的方法学习到的度量矩阵将有更好的鲁棒性,在处理受噪声影响的各种分类问题时,将有效地提高分类准确率.本文将在一些常用机器学习数据集(UCI)还有人脸数据集上进行验证实验.(本文来源于《计算机系统应用》期刊2018年10期）

邱天爽,陈兴,马济通,李景春,李蓉^[10]（2018）在《基于循环相关熵谱的时频混迭信号载波频率估计方法》一文中研究指出针对Alpha稳定分布噪声环境下时频混迭BPSK信号载频估计的性能退化问题,提出了基于循环相关熵谱的时频混迭BPSK信号载频估计方法,推导了BPSK信号在0频率处循环相关熵谱幅度切面上循环频率与载波频率之间的关系,并将此关系应用于载波频率估计中。这种基于循环相关熵谱载频估计方法,能够抑制脉冲噪声的影响,具有较好的估计性能,仿真实验证明了算法的有效性与顽健性。(本文来源于《通信学报》期刊2018年06期）