基于贝叶斯网络的学生学习评价模型研究

在学生模型中，学生学习评价是一个重要的部分，也是个性化教学中进行学习组织的一个很重要的依据。本文采用了贝叶斯网络中模糊逻辑的思想，运用模糊变换实现对学生认知能力的诊断及评价，评价学生对所学知识项的掌握程度。     

影响保温砂浆早期收缩开裂因素的研究

通过研究影响保温砂浆收缩开裂的因素,对影响程度进行对比,比较采用养护和无养护泵送保温砂浆的收缩率的差异,不同胶集比的保温砂浆的开裂情况,不同保水剂的添加对保温砂浆开裂情况的影响,用相应规律对保温砂浆的开裂情况进行抑制.     

全概率公式和贝叶斯公式教学方法研究

全概率公式和贝叶斯公式是概率统计课程中的教学难点，本文从具体分析和解决问题的角度出发，通过问题的引入、具体问题的分析、公式的应用和推广等方面的详细阐述，对这部分内容的教学进行探讨。     

基于稀疏贝叶斯回归的正则化核密度估计算法

为了加快核密度估计(KDE)的计算速度,简化模型复杂度,提出了一种基于稀疏贝叶斯回归的KDE稀疏构造算法SBR-KDE.该算法将经人工加噪处理后的分布函数逼近值作为输入,获得了KDE的极为稀疏表示形式.实验结果表明:与传统KDE算法相比,在保持相当计算精度(多数情况下降低了模型误差)的情况下,文中算法的时空效率大幅度提高,而且在小样本训练集条件下得到的密度估计更光滑;独立成分分析及高斯化变换的应用使文中算法在一定程度上缓解了维数灾难.     

双层稀疏贝叶斯学习ISAR超分辨成像算法

传统贝叶斯成像常采用拉普拉斯分布进行成像特征表征，易使得成像结果过稀疏而容易丢失部分弱散射的结构特征，进而影响逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像精度提升。为实现高精度ISAR超分辨成像，本文采用伯努利-拉普拉斯混合稀疏先验对目标统计特性进行概率建模，利用双层稀疏对目标先验进行统计约束，从而有效模拟目标散射场统计先验。并在贝叶斯层级模型下，通过引入隐变量建模的方式对先验进行分层构建，在解决先验分布与高斯似然函数不共轭问题的同时简化贝叶斯推断，降低模型复杂度。为避免繁琐的手动参数调整，实现超参数的自调节，本文对各随机变量建立条件概率依赖模型，并利用马尔可夫链蒙特卡罗随机模拟估计算法解决高维积分和后验分布难以求解的问题，实现相关超参数的统计估计，提升算法自学习能力。仿真和实测数据均证明本文所提方法具有有效性和优越性。     

解决矩阵秩最小化问题的一个新算法

介绍一种新的不动点迭代算法,用于解决矩阵秩最小化问题.此算法是在原不动点算法基础上,将收缩算子与单位算子做一个凸组合,进行加速.并证明了新算法的收敛性.     

基于相关成分分析法的雷达目标识别仿真研究

给出了_种基于双谱特征和相关成分分析法(Relevant Component Analysis,RCA)相结合的雷达目标特征提取与识别方法.利用四种飞机模型的重点散射源二维分布测试教据和频率步进法,得到目标的一维纵向距离像.针对雷达高分辨率一维距离像的双谱特征,利用改进的白化变换矩阵进行去相关,得到统计不相关鉴别正交矢量集.然后采用Parzen窗方法估计概率密度函数,用贝叶斯分类器进行分类识别.实验数据结果表明,双谱有效地抑制了噪声影响,而相关成分分析法利用了信号白化处理过程中去除信号类间的相关性的优点,聚集了同类样本,因而比主成分分析法(Principal Component Analysis,PCA)具有更好的分类效果.     

基于水平集方法的肿瘤图像识别

图像处理在计算机辅助医疗诊断系统中有着广泛的应用,本文在水平集方法的基础上,提出了一种肿瘤图像识别方法。首先,采用改进的水平集方法对肿瘤图像进行分割,获得肿瘤轮廓特征;其次,提取肿瘤的轮廓特征参数,对贝叶斯分类器进行训练,然后用训练的分类集进行肿瘤良恶性分类识别。通过对CT图像的肝脏肿瘤进行良恶性诊断,显示所开发的计算机辅助诊断系统是有效的。     

对砌体住宅现浇楼板裂缝的分析

本文针对砌体结构现浇楼盖的开裂现象，提出了一些观点和看法，深入探讨了住宅楼盖的防裂问题，同时也分析了现实防裂工作中存在的一些误区，为广大工程技术人员能更好地防裂提供了一定的借鉴。     

健康孕妇可适当性生活

适度的性高潮造成的子宫收缩,对胎儿反而是一种锻炼,健康的孕妇是可以有性生活的。当然,在怀孕的最后一个月,最好避免过度的性高潮。一些性行为不利于胎儿的报告,大多出自于有疾病的孕妇身上。因为高潮增加了预产期妈妈血流里情绪荷尔蒙与脑下垂体后叶荷尔蒙、以及愉快荷尔蒙,那些荷尔蒙能让母亲和胎儿都开心。未来的宝贝会在