基于滑动概率神经网络的早期故障诊断

针对机电设备早期故障难以识别的问题，提出了一种动态的概率密度估计方法——滑动概率神经网络，用以跟踪分析测量信号的概率密度变化过程，及时发现早期故障．该网络以固定不变的抽样集作为第一层，动态滑动的测量信号作为样本层，通过求和层得到抽样集的条件概率密度估计，将样本层内测量信号的概率密度动态地投影到统一的抽样集上．将网络分解成以测量值为中心的子网络，来实现网络的递归运算，并且利用高斯函数的快速衰减特性或使用分段线性函数近似高斯函数，从而提高了网络的计算实时性．通过压缩机喘振过程数据的应用实例，表明该方法能够有效识剐故障的早期征兆．     

具可变输入率的M/M/n模型的常微分方程形式

针对实际中存在的排队现象：顾客在加入队列之前发现排队顾客较多而发生犹豫，从而因影响他加入队列的可能性。利用随机建模的全概率法则推导了具有可变输入率的M／M／n模型的常微分方程形式，为从理论上分析该模型动态解及其稳定性奠定了基础。     

马尔可夫链在太湖流域梅雨期预报中的应用

依据1954~1991年太湖流域的入、出梅日期以及梅雨集中期,应用马尔可夫链预报了太湖流域1992年和1993年的梅雨期,并利用其平稳分布分析了梅雨期系统在各状态下的概率.应用结果表明:在太湖流域气候条件稳定的情况下,历史数据越多越精确,预测也就越可靠;以马氏链预测梅雨状态的方法是一种概率预报方法,需通过大量的预测检验才能显示出该方法的准确性和可靠性.     

多险种风险模型的破产概率

由于保险公司风险经营规模不断扩大,用单一险种的风险模型来描述风险过程存在局限性,文章建立了保费收入为复合泊松过程的风险模型;讨论了带干扰的多险种风险模型;得出伦德伯格不等式和最终破产概率公式。     

概率统计观念形成中的思维障碍分析

概率统计的研究对象是随机现象.概率统计思维的本质在于:对随机事件发生的频繁程度定量化,在不确定的情景中作出良好判断.正是其思维方法别具一格,学生理解概率显得很复杂、很困难.通过对具体概率统计问题常见错误的分析,发现概率统计观念形成中的思维障碍,提出概率统计教学中应关注的方面.     

基于贝叶斯网络的中医辨证系统

将贝叶斯网络运用于中医辨证系统的研究,以更加量化中医辨证诊断系统.通过将中医体系中的916个证候,51项证素及其构成的1700条证名构成中医辨证贝叶斯网络的节点集,初步建立起中医辨证数据库并通过网络学习,形成中医辨证贝叶斯网络结构及概率表.利用建立的贝叶斯网络中医辨证系统,进行数据计量分析、推理验证证候—证素—证名间的关系,其结果与中医专家经验有很高的吻合性,尽管其仍未能全面反映中医辨证的思维能力.所以贝叶斯网络是对中医辨证进行信息挖掘处理的一种较好方法,可应用于中医人工智能辨证系统的建立.     

一类保费与理赔相关的破产模型

对经典poisson风险模型推广至一种相依的结构,索赔产生时以概率P的可能性同时产生一次续保.对此模型,得到了最终破产概率的一般表达式和破产概率的一个上界估计.     

基于概率图模型技术的柱面全景图生成算法

为解决复杂场景下的全景图生成问题,应用了基于概率图模型的图像匹配技术,提出了一套完整的柱面全景图生成算法。采用动态阈值法对从图像中提取的H arris角点进行初步筛选,并结合图模型算法进行精确匹配,通过对匹配后特征点的迭代投影获得摄相机焦距,对原始图像进行柱面投影并融合。该算法具有对光照不敏感和全局最优化的特性,对图像噪声和特征点提取不准确有强健的承受能力,并有效地降低了计算复杂度,使算法更具有实用性。实验结果表明:能够对存在人车移动噪声和相机几何畸变的复杂场景正确合成360°全景图。     

一种确定IFSP中迭代次数下限的算法

提出了一种求解带概率的迭代函数系统（IFSP）中迭代次数下限的自动算法，该算法基于一个基本假定，从给定的多个压缩仿射变换矩阵的谱半径入手，先分别求出每一个压缩仿射变换收敛到其对应的不动点时的迭代次数，然后根据每一个压缩仿射变换使用的概率即可计算出IFSP中迭代次数的下限．理论分析和实验计算结果表明，提出的算法能有效地确定IFSP中迭代次数的下限，且在保证分形图质量的同时避免了不必要的计算开销，为快速生成高质量的分形图提供了一种有效的方法．     

补偿模糊神经网络在故障树分析中的应用研究

将补偿模糊神经网络用于故障树分析中的研究,建立了故障树顶事件失效模糊概率计算的补偿模糊神经网络模型,给出了应用实例.结果表明,将补偿模糊神经网络用于故障树分析是可行的,其计算更为方便,结果更为精确.