土地督察易混地物最大似然分类改进

鉴于中高分辨率影像最大似然分类对一些类型的建筑和裸土容易发生相互错分(易混地物),直接影响土地督察应用高分一号多光谱数据对大型工程项目的发现和阶段认定,提出了一种基于最大似然分类综合优化的精度提升方法。通过样本过滤和正态化提升样本的典型性,同时获得地物的先验概率,然后进行最大似然预分类,再通过混淆矩阵依据先验概率分布和像元的地物识别概率对像元归属进行调整,进一步提高分类精度。通过对比实验验证,综合改进后建筑和裸土的用户精度均有11%以上的提升,总体精度提升9%以上。     

最大似然分类符合率递增的简便算法

根据多种指标对事物的影响,从而对事物的属性进行判别分类,这是实际科研领域中经常要解决的问题。解决这些问题的方法有多种,最大似然判别法就是其中行之有效的方法之一。它的基本作法是:事先确定好影响所论事物属性的m个指标,以及已确定类别的N个历史样本,构造最大似然判别指数表(含条件概率的最大似然判别公式与其简化     

基于最大似然准则的CHAN改进算法

Chan算法是一种经典的具有闭式解的高效时差定位解算算法,但在实际应用中却存在一些困难和不足。首先对Chan算法在二维平面下的解集作了说明,并提出一种基于最大似然准则的定位模糊消除方法以得到唯一最终解,其次,针对Chan算法在较大时差测量误差下定位精度下降明显的现象,提出一种基于近似最大似然的方法对Chan算法定位估计进行修正,以改善其定位性能。仿真结果表明,对Chan算法提出的改进措施是有效可行的。     

高斯最大似然分类在高光谱分类中的应用研究

分析了高斯似然分类错误率和Bhattacharyya距离的关系,同时推导出在独立特征条件下Bhattacharyya距离具有相加的性质,并在这些基础上提出了一种新的特征选择算法。该算法以各特征的相对Bhattacharyya和作为准则函数选择能有效降低分类错误率的一组特征,最后利用这组特征进行高斯似然分类。实验采用AVIRIS数据,结果证明了该算法的有效性。     

一种改进的基于最大似然法的MODIS云分类算法

MODIS资料云分类在大气和地表参数反演中有着十分重要的作用.首先利用NASA的MOD35云掩模产品将水体和陆地等晴空型下垫面从云图中分离出来,然后利用多光谱阈值法将云图中其他的所有云类进行初始化分类,最后应用基于最大似然和分类矩阵的动态聚类算法,对MODIS云图实现了云分类,主要云类有积雨云、卷云、高云、中云、低云.针对夏季我国东南沿海地区的实验结果表明了算法的有效性.     

近场声源定位的改进最大似然方法研究

研究近场声源定位性能优化问题,针对常规最大似然方法在空间非均匀高斯噪声背景下定位准确率下降的问题,基于平面阵建立了近场声源信号模型,推导了空间非均匀噪声条件下求解声源方位和距离信息的最大似然定位方法,提出使用引力搜索算法解决了以上最大似然方法在多维参数空间搜索的高运算复杂度问题,通过仿真验证了改进方法的可行性和有效性,并说明估计精度较高,在低信噪比下方位和距离的均方误差都小于常规最大似然方法,并且在高信噪比条件下方位和距离的均方误差都逼近克拉美-罗界.     

MIMO雷达最大似然参数估计

多输入多输出(MIMO)雷达使用多个天线同时发射多个独立探测信号,并使用多个天线接收目标回波信号.本文考虑了发射空域分集、相干接收MIMO雷达模型及其最大似然(ML)参数估计方法.基于最大似然准则,本文推导了两种渐近最大似然算法.仿真实验的结果表明,在均匀噪声模型中,其中一种渐近算法与基于延迟求和波束形成的最大似然算法性能接近,而另一种渐近算法性能略差,但具有较低的计算复杂度.而在非均匀噪声模型中,本文所提出的两种渐近最大似然算法的性能均优于基于延迟求和波束形成的最大似然算法.     

基于最大似然法的遥感图像分类技术研究

针对大遥感图像在单机分类方法中存在分类效率低、准确度差的问题,本文研究了网格环境下的最大似然分类技术在大遥感图像分类的应用。文中提出的方法充分利用了网格技术的分布式计算和协同共享等能力．采用最大似然法。给出了网格环境下大遥感图像的分类方法,并实验验证了该方法的有效性。     

分段线性分类与最大似然和平行六面体分类的对比分析

介绍了以单面判别平面、最优权重向量和权位判定逻辑为基本思想的分段线性分类方法(PLC)。在多时相数字视频数据实浏中，PLC的处理速度虽略低于平行六面休分类法(PPC)，却远高于高斯最大似然分类法(GMLC);而PLC的分类精度不但与GMLC相近，且远高于PPC。实验表明，在遥感作物分类精度和运算速度方面，PLC是比GMLC或PPC更优的选择。     

改进的基于最大似然的快速拓扑估计方法

基于最大似然的网络拓扑估计方法能够获得全局最优的估计结果,优于一般局部最优化和节点对融合方法,但在网络规模较大时存在计算复杂度较高的缺点。首先证明了网络拓扑估计似然函数是单峰的（即只有一个极值）且峰值为最大值;然后利用单峰特征,改进了现有基于最大似然的拓扑估计方法,在最大似然树搜索过程中无需返回到似然值小的状态,降低了计算复杂度。最后,Matlab和ns-2仿真结果证明在不降低拓扑估计准确率的情况下,改进的算法将计算复杂度减少了30%~46%.     

一种改进的UWSAN最大似然目标定位方法

研究水声信道目标定位问题,由于水下定位精度与陆地不同。为了解决水下水声信道中有效传输信息,采用传统的无线传感器阵列网络(UWSAN)最大似然目标定位方法有效性差。为解决上述问题,提出将每个阵列的局域似然函数进行信息提取和压缩,并将信息进行融合。分析每个阵列的局域似然函数特性,并根据高斯函数对归一化似然函数进行拟合,结合各个阵列接收到的能量,在融合时先给拟合的归一化似然函数乘以其接收到的能量,再将各个阵列的对数似然函数相加得到全局对数似然函数,其中最大值的位置就是最大似然法估计的目标位置。数值仿真结果表明,改进方法不但大大降低了局部节点到融合节点的传输数据量,而且在高信噪比下与直接计算似然函数的数值非常接近,可以有效估计目标的位置。     

基于最大似然原理的分类属性数据分层聚类算法

对分类属性数据进行处理时,现有的聚类算法一般都通过距离函数将原始数据转换为表示两两距离的距离矩阵,然后再根据距离矩阵进行聚类,聚类结果很大程度上依赖于距离函数。针对上述问题,提出一种基于最大似然原理的分类属性数据分层聚类算法,称为HAC_ML算法。HAC_ML算法优点在于直接处理分类属性数据,不依赖于距离函数,并且克服了分层聚类不能回溯的缺点。在UCI数据集上的测试结果表明与经典的ROCK算法和K-Modes算法相比,HAC_ML算法是一种有效地处理分类属性数据的分层聚类算法。     

一种OFDM系统最大似然信道估计的改进算法

针对传统的信道估计算法中算法性能与复杂度的矛盾,研究了一种低复杂度的最大似然信道估计算法。仿真结果表明,该算法与传统的信道估计算法相比较,具有较低的复杂度和较好的估计性能。     

基于K-SVD的最大似然稀疏表示体域网动作分类算法

为有效提高体域网动作分类性能,本文提出了一种基于K-SVD的最大似然稀疏表示体域网动作分类算法. 该算法首先基于K-SVD优化学习算法,将不同动作模式训练样本按其所属类别分组优化训练,避免各类样本数据训练时相互干扰,得到不同动作模式类别所属的子字典,然后将其拼合构成一个完整字典,准确稀疏表示测试样本,最后基于最大似然稀疏模型准确估计稀疏表示系数残差,并得到测试样本所属类别. 实验结果表明,本文所提算法能够获得最优字典,基于最大似然稀疏表示可准确估计测试动作样本稀疏表示残差. 所提算法识别率明显优于传统稀疏表示动作分类算法,可有效提高体域网动作模式分类性能.     

相干信源DOA估计的最大似然算法应用及改进

讨论了阵列天线基于交替投影迭代算法的最大似然估计,实现信号源方位估计以及多个同距同速信源的方位角分离方法。此估计方法可用于相关信号目标的方位估计。由于此方法耗时较长,与斐波那契数列法结合,减少了搜索次数,提高了测角效率。仿真结果表明了此方法的有效性。     

最大似然估计ROC凸包曲线算法

采用列联表表示特定阈值下入侵检测系统(IDS)的性能,使用ROC曲线对不同阈值下IDS的总体性能进行评估。在实际应用中,基于样本数据集,通过计算几何的方式得到ROC凸包曲线(ROCCH)。为降低ROCCH的计算复杂度,在曲线下面积(AUC)最大似然估计的条件下,通过保序回归得到最大似然估计ROC曲线(MLE-ROC)算法。实验表明,MLE-ROC算法在降低计算复杂度的同时提高了AUC的近似程度。     

扫描辐射源的最大似然定位算法

针对运动扫描辐射源的扫描速率未知的情况,提出一种最大似然定位算法.该算法将各个时差量测分别投影到目标状态空间,通过对目标状态进行修正、迭代和融合实现对扫描速率和目标状态的最大似然估计,同时避免联合估计方法对运动目标的定位精度不足的问题.此外,针对扫描辐射源定位的特点,重新推导分析误差项,从而改进瞬时定位算法.仿真结果表明,所提出的最大似然定位算法及其改进方法是有效的,后者的定位精度接近CRLB.     

基于泊松-高斯混合噪声的最大似然改进算法

传统的图像复原算法仅针对高斯噪声进行处理,没有考虑高斯及泊松混合噪声污染。为此,引入泊松-高斯混合分布的成像模型,对基于混合模型的最大似然算法进行有效近似,在此基础上提出基于泊松-高斯混合噪声的最大似然改进算法,避免对噪声敏感性和PSF初始估计的依赖。实验结果表明,与原有算法相比,改进算法复原效果明显,且稳健性较好。     

雷达高度计中最大似然算法的应用

首先从分析国外星载雷达高度计中的自适应处理器入手，介绍了最大似然算法的基本理论，旨在分析最大似然算法用于雷达高度计的技术方法，并对有关公式进行了详细的推导，并对国外有关文献中的一些公式的推导错误进行了纠正。     

基于最大似然估计的自适应图像降噪

应用Stein的无偏风险估计改进Mih？ak等提出的LAWML小波域图像降噪算法。该方法能在每一个子带为LAWML方法确定一个最佳的邻域窗口,也将建议的方法推广到对偶树复数小波变换。实验结果证实,该方法不仅优于LAWML,也优于当前其他一些图像降噪算法。