基于投影滤波的突发事件危险源位置估计问题研究

针对确定突发事件中危险源的位置估计问题,提出一种基于hermit基函数的投影滤波方法.通过将其概率解投影到指定状态空间中,通过投影空间中的艾尔米特基函数构造出近似解,即状态的先验概率密度函数,最后由贝叶斯估计得到状态的后验概率密度函数,给出算法的收敛性和计算复杂度分析.仿真实验证明投影滤波方法有效减少滤波估计中所需的计算量,并提高了估计精度.     

基于变分贝叶斯方法的多工况过程监控

多模型方法是针对多工况工业过程监控所使用的最普遍也是最有效的方法.传统的多模型方法在离线建立子模型时,通常使用EM算法估计子模型的参数,但EM算法容易陷入局部最优,并且无法利用已有的先验信息,会导致建立混合模型不够准确,可能无法有效检测出故障.因此将变分贝叶斯方法与多模型方法相结合,可以充分利用数据的先验知识,估计的参数也更准确.在建立模型计算监控统计量后,通过比较待测试数据落在各个子模型中后验概率的大小整合多个监控结果.对TE过程的仿真实验表明,变分贝叶斯用于多模型方法可以有效地监控工业过程.     

广义帕累托分布的应力-强度可靠性的贝叶斯估计

基于不同形状参数的广义帕累托分布,讨论应力-强度参数的贝叶斯估计.通过模拟得出在平方损失函数和0-1损失函数下的贝叶斯估计值比较相近;有先验信息条件下的贝叶斯估计的均方误差值低于无信息先验条件下的贝叶斯估计的均方误差值.     

基于多源多层次信息融合的网络安全态势感知方法

针对网络安全态势感知范围局限、信息来源单一及准确性偏差较大的问题,提出了一个全方位整体上感知网络安全态势框架.充分考虑多信息源和多层次信息融合,从3个维度上动态生成网络当前安全状况,准确地反映网络当前安全态势,易于逆向查找异常组件.提出"3σ法则"离散化连续型随机变量方法,对建立适合处理非确定性信息融合的贝叶斯网模型有重要的理论与实践指导意义.最后,利用网络实例数据,对该模型和算法进行了验证,结果表明了该方法的正确性.     

全概率公式和贝叶斯公式教学新探

全概率公式和贝叶斯公式是概率论教学的一个重难点,一般的授课方法是直接给出公式内容,对照例题套用公式,学生接受起来比较困难,理解不了公式的内涵。笔者结合课堂实践采取一种新的授课方式:结合实例给出应用背景、引导学生理解公式内涵、妙用概率树图法求解公式,以此方法简化了思考过程且达到了学以致用的目的,收到了很好的教学效果。     

改进凸包的贝叶斯模型显著性检测算法

针对传统贝叶斯模型算法对图像显著区域检测精度需要进一步提高的问题,提出一种改进凸包的贝叶斯模型显著性检测算法。首先,利用流行排序算法对图像进行前景提取,提取的前景区域作为贝叶斯模型的先验概率;其次,利用颜色增强的Harris角点检测算法检测图像在RGB,HSV,CIELab 3个颜色空间中的特征点,分别构造RGB,HSV,CIELab空间的凸包,求取3个颜色空间下的凸包的交集;再次,通过贝叶斯模型根据先验概率、凸包与颜色直方图结合得到的观测似然概率计算获得显著性区域图;最后,将新算法在两大公开数据集MSRA和ECSSD中进行测试。结果表明,新算法能够有效抑制背景噪声,完整检出显著区域,F-measure值在MSRA和ECSSD数据库中的测试结果分别为0.87和0.71,准确率-召回率曲线在复杂图像数据库高于传统经典算法。新算法改进了传统经典算法的检测效果,进一步提高了显著图检测的准确性。     

核天体反应直接测量中的γ加和谱解析方法

带电粒子辐射俘获反应是核天体物理的主要研究内容之一,对了解恒星核合成过程具有重要意义．由于恒星温度（伽莫夫窗口）下这些反应的截面极小,γ射线产额非常低,实验需要结合高效率的γ加和探测技术进行测量．本文基于贝叶斯理论和相关分析程序,发展了一种对加和型γ探测阵列能谱的解析方法,并利用该方法对锦屏深地核天体物理实验项目测量的实验数据进行分析,验证了该解析方法的有效性,并显著减小了γ加和峰探测效率的误差,进一步提高了γ加和探测技术的测量精度．      

基于贝叶斯网络的中堡车站调车作业安全分析

为确保铁路车站调车作业安全,从人员—设备—环境—管理4个方面选出11个风险因素构建指标体系。考虑到调车作业安全风险具有一定的不确定性,采用贝叶斯网络构建调车作业安全风险评估模型,通过Netica软件正向计算确定铁路车站调车作业风险等级,反向推理计算确定影响车站调车作业的最大风险因素,并提出相应的风险管控措施。案例分析表明,中堡车站调车作业风险等级为一般,环境因素和管理因素对车站调车作业安全影响较大,该风险分析方法运用于调车作业安全分析切实可行。     

基于D-S证据融合和直觉模糊贝叶斯网络双向推理的景区游客拥挤踩踏故障诊断分析

针对不确定条件下景区游客拥挤踩踏故障诊断问题,本文提出一种新的直觉模糊贝叶斯网络双向推理模型.首先,利用直觉模糊集表示专家对贝叶斯网络节点先验概率信息的模糊语言判断,并基于模糊可能性-概率变换公式,得到不同专家给出的节点先验概率值.其次,运用D-S证据合成规则进行信息融合,得到节点先验概率值.最后,结合贝叶斯网络模型,实现贝叶斯双向推理和重要度分析,并以华山景区为例进行实证分析.研究结果表明,本文方法可有效克服“去模糊化”方法导致的信息损失,为解决不确定环境下故障诊断和贝叶斯推理提供崭新途径.     

基于决策树和BN的自动驾驶车辆行为决策方法

交通环境中存在着众多影响自动驾驶车辆行为决策安全的不确定性因素, 准确并及时地处理不确定性因素对自动驾驶车辆安全至关重要。因此, 建立了以人工驾驶行为分类为基础的贝叶斯网络(Bayesian network, BN)行为决策模型。利用决策树分类算法对人工驾驶行为进行分类, 利用BN建模驾驶环境并生成最优驾驶动作, 此方法既可以及时地分析人类驾驶员行为类别, 又能够充分考虑驾驶场景中的不确定性因素。利用仿真工具PreScan设计仿真实验, 仿真结果表明行为决策模型能够给出安全、合理的自动驾驶车辆行为。