基于概率语言相关系数的多属性群决策模型

针对评价信息为概率语言术语集,专家权重和属性权重完全未知的多属性群决策问题,提出基于概率语言相关系数的多属性群决策模型.首先定义了概率语言的相关系数并且拓展到概率语言矩阵间的相关系数; 然后基于每个专家的决策矩阵,通过最小化加权相关系数总和求得每个专家的属性权重向量,并且通过决策矩阵的相关系数客观地确定专家权重; 最后将经典的ELECTRE方法加以改进用于方案排序,并且通过算例分析与比较分析证明了该决策方法的有效性与优越性.     

二维推广有限马尔可夫链m步转移概率的矩阵算法

对有限状态空间的二维推广马尔可夫键，定义了一步转移概率矩阵及其改良矩阵和一步全转移概率矩阵。提出扭矩阵方法计算m步转移概率矩阵及m步全转移概率矩阵的方法，从而简化了由一步转移概率计算m步转移概率的过程。     

支持向量机方法中加权后验概率建模方法

为解决传统支持向量机方法不提供概率输出的问题,在支持向量机多类分类问题输出概率建模中,提出了加权后验概率建模方法。该方法在对多个两类支持向量机分类器的输出概率进行组合时,充分考虑了各个两类支持向量机分类器的差异。依据Bayesian理论,采用后验概率作为各个两类支持向量机分类器的权系数。实验结果表明,与投票法及Pairwise Coupling方法相比,加权后验概率方法具有较低的分类错误率,不仅具有较好的分类性能,而且得到的后验概率具有较好的概率分布形态。该方法有效地解决了实际多类分类问题中支持向量机的概率建模问题。     

关于概率自动机的分解

在[1]中给出了有穷状态概率自动机A(BA A)可以分解为随机编码源T与确定型自动机B(DA B)的顺次连结,并用例子说明了分解的算法。该结论及算法是建立在随机向量的蕴含与随机矩陈凸分解的基础上。由于BA A的转移矩阵A(y/x)一般不是随机矩阵,因而[1]中首先由A(y/x)构造出相应的随机矩阵A(x)与C(x)才能进行分解。本文是在推广了[1]中有关概念及结论的基础上给出了一个不依赖于随机矩阵的分解方法。本文所引用的符号与概念可参考[1]与[2]。     

区间概率随机变量及其数字特征

基于模糊数源思想,用Fuzzy概率运算方法建立有限区间概率空间,给出了区间概率随机变量（向量）及其分布函数、分布列、期望区间、方差区间等的定义,并研究了其中的一些特定运算规律。     

互反矩阵中一致性样本的概率

本文计算了在层次分析法中具有基础性的概念一致性矩阵在相应的互反矩阵中的概率,指出一致性在5阶以上的互反矩阵中是小概率、甚至几乎是零概率事件     

基于概率支持向量机的激光雷达风切变图像的识别

针对标准支持向量机在激光雷达风切变图像识别中无法提供后验概率这一问题,从有监督聚类的角度,提出一种基于FCM的概率支持向量机识别方法. 先利用灰度-梯度共生矩阵提取激光雷达风切变图像的纹理特征,再利用支持向量机确定分类面,最后利用条件约束和FCM确定各类样本距离分类面的概率分布. 实验结果表明,该算法对3种风切变的整体识别率可达到95.52%,与两种同类算法相比,识别率分别提高了1.27%和1.21%.      

一类二元概率型算子族的极限性质

利用随机向量构造一类二元概率型算子，并研究了这些概率型算子族之间的相互关系和它们的极限性质．     

概率解释与概率逻辑

对概率的解释及据此而发展起来的概率逻辑是经典逻辑的最重要的扩展之一。它在哲学、数学、认知科学、人工智能等领域有着重要的应用,一方面是这些研究领域的工具,而同时又是这些研究领域的对象。本文通过对概率的解释进行大致的分类,对由各解释发展起来的概率逻辑分别做了介绍,希望据此对概率逻辑的发展做一个梳理。     

概率信息系统的属性约简

用概率信息系统表示对象与属性值之间的概率关系.在概率信息系统的属性集上定义一种等价关系,该等价关系将概率信息系统分为协调和不协调的2大类,基于这种等价关系重点研究了概率信息系统以及协调概率信息系统的约简,同时讨论了可辨识属性矩阵与约简的相互关系,并通过实例加以验证.     

二能级系统中粒子布居几率振荡的布洛赫矢量分析

考虑系统粒子的弛豫,利用密度矩阵运动方程,研究了线性啁啾脉冲作用下二能级系统的粒子布居几率随时间的演化情况,并在布洛赫矢量模型表象下,通过布洛赫矢量的动态演化过程分析了粒子相干布居转移过程中布居振荡的物理机理.结果表明,粒子数振荡反映的是二能级原子系统中粒子布居转移、色散和吸收三者之间的动态转化过程.     

Combination of Multi-class Probability Support Vector Machines for Fault Diagnosis

To deal with multi-source multi-class classification problems, the method of combining multiple multi-class probability support vector machines （MPSVMs） using Bayesian theory is proposed in this paper. The MPSVMs are designed by mapping the output of standard support vector machines into a calibrated posterior probability by using a learned sigmoid function and then combining these learned binary-class probability SVMs. Two Bayes based methods for combining multiple MPSVMs are applied to improve the performance of classification. Our proposed methods are applied to fault diagnosis of a diesel engine. The experimental results show that the new methods can improve the accuracy and robustness of fault diagnosis.     

Stationary Probability Vectors of the Second Order Markov Chains

The stationary probability vectors of a second order Markov chain on the(n-1)-dimensional standard simplex are considered.In 2015,Li and Zhang gave a characterization of the second order Markov chain such that every vector in the simplex is a stationary vector.A modification of the characterization is presented in the paper.Some sufficient conditions are derived for any facet of the simplex such that every vector of the facet is a stationary vector.     

基于概率阈的冗余多故障诊断策略

针对冗余复杂系统的多故障诊断问题,为减小计算量和期望测试费用,设定一个概率值作为概率阈,忽略发生概率低于这个值的多故障状态,提出了一种基于概率阈的冗余多故障诊断策略。该策略首先对相关矩阵模型进行转化,并舍弃概率低于概率阈故障状态,然后用Rollout算法对基于信息熵的诊断策略进行优化,并给出了计算步骤与方法。实例表明,与文献中方法相比该策略虽然降低了一定的准确度,但减少了更大比例的期望测试费,而且降低了相关性矩阵模型的规模,缩短了计算时间。     

一种基于概率的快速聚类算法

在聚类算法和特征向量维数确定的模式样本集中,各样本的每一维表示一个对应特征;鉴于此在基于层次算法的基础上,提出了一种基于概率的快速聚类算法;该算法先对各个特征进行分类,然后按照概率准则,每个向量先自成一类,将其对应概率最大的特征向量合并,减少类别数,直至达到要求为止;用UCI中的Iris和Wine数据集对该算法进行仿真实验,实验数据表明：用该算法进行聚类,能获得较好的聚类结果,说明算法具有一定的有效性.     

随机结构反应的概率密度演化分析

提出了线性随机结构静力反应的概率密度演化方法 .在随机结构反应状态方程的基础上 ,引入扩展状态向量 ,建立了随机结构静力反应的概率密度演化方程 ,提出了数值求解技术 .对于单一随机参数及多个随机参数的 8层框架结构反应进行了算例分析 ,并与单一随机参数结构随机反应的精确解答及多个随机参数结构随机反应的随机模拟分析进行了对比 ,结果表明 ,所提出的方法具有较高的计算精度及良好的实用性     

基于后验概率SVM的交通标志识别研究

在无人车交通标志识别系统中,以传统的神经网络算法或标准的支持向量机算法(SVM)设计的分类器,只能反映样本是否属于某类而不能确定样本属于某类的可信度,提出一种后验概率SVM交通标志识别方法。首先对检测与跟踪得到的交通标志大概区域图像进行彩色分割以精确定位交通标志区域,然后采用最大类间方差法分割交通标志的内部图案,最后将分割的结果进行大小归一化作为交通标志的特征图像以训练分类器和进行识别。实验结果表明,基于后验概率SVM的交通标志识别系统在复杂的室外环境下具有很强的鲁棒性和可行性。