贝叶斯分类器的集成学习方法及其在图像标注中的应用

针对贝叶斯(Naive Bayes,NB)分类器的集成学习方法,研究如何提高分类器集成中各成员分类器之间的多样性,同时提高分类器系统准确率。实现方法是把训练集的所有属性特征划分特征子集,并处理所划分的属性特征子集,最后为每个成员分类器构造出不同的完整特征属性训练集。研究结果表明采用的NB集成方法(Ensemble ofNaive Bayes,ENB)提高了分类性能,把ENB机器学习方法应用到自动图像标注中也获得了很好的效果。     

基于条件独立性测试的贝叶斯网结构学习改进算法

针对基于条件独立性测试贝叶斯网结构学习算法在删除完全图边时的不足,提出加入对节点x和y的互信息测试的改进算法,不但能充分考虑到D-分离原理中存在的3种图型结构,使学习到的网络结构更接近于解,而且还从一定程度上减少了三角团的存在,从而也将低了确定边方向时出现环路的概率.并通过实验证明改进算法是有效、可行的.     

一种基于离散马尔可夫过程的诊断风险模型

文章建立了一个基于贝叶斯公式和马尔可夫链的诊断模型,并根据中国现有的医疗管理体制进行假设检验,对假设结果进行评价。在分类过程中应用贝叶斯决策,将医疗诊断简单情况下的二值分类进行研究,同时依据分类平均风险最小的原则给出了分类的决策函数,并应用贝叶斯理论和马尔可夫过程进行讨论。实验证实了在我国建立强制医疗责任保险制度的正确性与必要性。     

基于模糊贝叶斯-ANP舰载机出动回收综合评估

航空母舰作为一个典型的复杂系统, 舰载机的出动回收效率是衡量整个系统作战能力的重要指标。描述出动回收效率的指标众多, 且指标之间关系复杂。为确定指标之间的相互关系, 避免在评判过程中主观性判断产生的缺陷, 提出了基于三角模糊数的扩展贝叶斯融合法评估舰载机的出动回收效率。针对网络层次分析法(analytic network process, ANP)分析过程中的主观性判断, 采用基于三角模糊数的尺度标准, 并结合历史实验数据和专家评判进行综合分析。仿真算例中, 通过多组对比实验分析, 验证了所提方法中采用模糊数以及融合专家经验和历史实验数据的合理性与有效性。     

地震波形指示反演在东营凹陷王家岗地区沙四上亚段滩坝砂的应用

以东营凹陷王家岗沙四上亚段滩坝砂为例,在层序地层格架建立的基础上,利用沉积学原理,基于贝叶斯理论将地震、测井和地质统计学信息融合为地层模型参数的后验概率分布,采用Metropolis-Hastings抽样算法对后验概率分布随机抽样,获得反演解,从而预测有利滩坝相带。结果表明:东营凹陷王家岗地区沙四上亚段低位域发育滩坝砂,其中准层序组2沉积时期以坝砂为主,砂体厚且横向分布稳定,而准层序组1和准层序组3沉积时期滩砂和坝砂间互发育,砂体厚度相对较小;湖侵域和高位域主要发育碳酸盐岩滩坝,滩坝砂零星状分布。该方法体现了相控的思想,预测结果更符合地质规律,在东营凹陷沙四上亚段滩坝储层预测中取得了较好的效果,为同类型储层预测提供了有利支持。     

多特征因素的疲劳驾驶检测方法

疲劳驾驶是导致交通事故的主要原因之一,为了降低交通事故对人们生命财产的危害,本文采用分层梯度方向直方图(pyramid histogram of oriented gradients,PHOG)算法进行人脸识别和关键点检测,提出一种多特征疲劳特征因素的疲劳驾驶检测方法,结合OpenCV对人面部的眼、嘴以及头部空间姿态坐...     

粒子滤波算法在视频目标跟踪中的应用

首先介绍粒子滤波的基本理论,然后构建粒子滤波视频目标跟踪系统的状态模型和观测模型,进而根据状态模型和观测模型提出一种基于粒子滤波的视频目标跟踪算法,并通过实际的视频目标跟踪系统对算法进行实验分析,说明粒子滤波算法在视频目标跟踪中的优越性。     

基于稀疏贝叶斯重构的多跳频信号参数估计

针对宽带条件下多跳频信号的参数估计问题,利用多跳频信号在空间频率域上的稀疏性,提出了基于稀疏贝叶斯重构的空间频率估计方法.通过重构信号获得信号瞬时频率估计,在此基础上完成了波达方向信息估计.为了提高低信噪比条件下参数的估计性能,采用形态学滤波的方法对得到的时频图进行修正,在修正的时频图上完成了信号频率集和跳周期的精准估计.仿真实验表明:该算法在信噪比低于0dB的情况下仍能够取得良好的估计性能.     

基于贝叶斯网络的进场航班排序队列稳定性研究

为了提高终端空域航空器到达时间预测的准确性和排序队列的稳定性,本文从分析影响航空器预计到达时间ETA的不确定因素出发,建立了同一机型航空器过同一边界点到达时间的概率模型,提出了一种通过实际飞行数据计算到达时间的概率方法,利用贝叶斯网络计算各影响因素对ETA 影响程度. 实验结果表明,用概率方法预测到达时间具有简单易操作且准确性高的特点. 利用影响程度作为权重进行修正并量化了ETA 的不确定性,有助于改善进场航班排序队列的稳定性.     

贝叶斯正则化神经网络在深基坑变形预测的应用

针对传统BP神经网络在深基坑施工开挖变形的预测,基坑的安全性判定仅利用监测的最终数值而无法全面服务于深基坑工程,提出了一种遗传算法(Genetic Algorithm, GA)和贝叶斯正则化算法(Bayesian Regularization, BR)组合优化传统BP神经网络的预测模型,在优化预测模型中加入了影响深基坑安全稳定的客观因素及人为主观因素,进一步提高了BP神经网络全局优化能力以及泛化能力.研究结果表明：该组合优化方法对深基坑地表沉降和水平位移变形预测的平均相对误差分别为0.32%和0.59%,表现出较高的预测精度.该组合优化模型首次在深基坑变形领域验证了应用的可行性,为深基坑变形预测提供了新的思路和方法.