似然率在法庭语音取证中的应用研究

数字语音技术的快速发展,给人们生活带来更多的舒适,但给社会的安全提出了新的挑战。基于数字语音的犯罪逐年递增,语音证据的研究备受关注,除了DNA外,其他证据的鉴定主要表现为同一认定、否定排除和倾向性意见等。目前简单的肯定或否定鉴定,很大程度上置换了取证科学工作者与法官的角色,存在很大的弊端,常出现错案冤案。国外一些学者在评估语音证据时引入基于贝叶斯理论的似然率方法。本文归纳总结目前法庭语音话者识别评估方法,重点介绍贝叶斯理论下的似然率评估体系,归纳其优缺点,并展望未来发展趋势。     

基于项目反应理论的贝叶斯统计推断方法在教育中的应用

与经典教育测量方法相比,基于项目反应理论的教育统计与心理测量技术呈现出愈来愈多的优势。目前,项目反应理论核心框架主要基于频率统计方法。然而,贝叶斯统计方法已逐渐显示出巨大的潜力和吸引力,尤其适用于对统计建模的深层改进。鉴于项目反应理论模型的复杂性和应用广泛性,国外已经成功开发了一些常用的软件包。然而这些软件包本身也存在一些缺陷和问题。因此,在取得的理论研究成果(构建新的模型、提出新的估计技巧)的基础上,亟待配套研发一套拥有知识产权的软件平台,并应用于教育部基础教育质量监测中心中小学教育质量(数学)的纵向跟踪调查数据,为相关职能部门决策提供科学依据。     

基于最小错误率与最小风险的贝叶斯分类比较与研究

在智能决策领域,针对分类决策一直是热点问题,本文通过分析贝叶斯的基本理论和内涵,分析出在分类决策中可以有基于最小错误和最小风险两种决策方式,对两种方式进行比较,从中发现两种方式的本质区别和内在联系,把两种决策模式进行融合,形成更科学的贝叶斯决策方式。     

决策树研究新探

决策树方法一直被用于贝叶斯决策问题的最优方案选择，即从若干决策方案中选择一个最优方案。决策问题中所含的方案数量在决策树中是隐性的。利用传统的决策树方法，无法确定一个次优方案，对所有方案进行排序也很难。从这个意义上来说，决策树法不如策略矩阵法有效。该文结合有一个实例，讨论了利用决策树对贝叶斯决策问题的决策方案进行选择和排序的方法。     

导弹子母弹抛撒的均匀性指标的确定及评定方法

本文以导弹侵彻子母弹抛撒为背景，提出了一种适合于有限子弹抛撒的均匀性指标，并且运用现代统计方法——ＢａｙｅｓＢｏｏｔｓｔｒａｐ法模拟了均匀性指标统计量的分布；另外，从火力运用的观点出发，根据子母弹抛撒的均匀性指标的大小对战斗部毁伤效率的影响，确定了均匀性指标的容许下限；应用统计检验方法给出了子母弹抛撒的均匀性的评定方法，为导弹侵彻子母弹抛撒的鉴定及同类武器该项目的鉴定提供可信且便于操作的方法。     

基于模糊约束的贝叶斯网络参数学习

针对小样本下贝叶斯网络参数学习结果不准确的问题，提出一种模糊最大后验估计方法，该方法将模糊理论引入到参数学习中，通过对约束效力的度量，利用隶属度函数来确定超参进行学习，以提高约束使用的准确性。实验证明，所提方法可以有效提高参数学习的精度。除此之外，将所提方法应用到网络安全评估中，将通用漏洞评分系统作为专家先验参数，结合漏洞信息迁移样本来进行参数学习。最后，通过节点和路径安全评估验证了所提方法的有效性。     

贝叶斯框架下产品可靠度估计问题的研究

在与信息论中的熵函数有关的p,q对称熵损失函数下,用参数估计方法研究了寿命服从几何分布的产品的可靠度的贝叶斯估计问题。得到了可靠度的贝叶斯估计的一般形式与精确形式,并讨论了可靠度的贝叶斯估计的可容许性。最后研究了可靠度的多层贝叶斯估计并进行了数值计算,结果表明得到的多层贝叶斯估计具有更好的稳健性。     

基于主观贝叶斯多传感器数据融合的AGV精确定位研究

针对室内自动导引运输车（Automated Guided Vehicle,AGV）定位偏差大、精度不足的问题，提出了一种基于主观贝叶斯网络的传感器数据融合定位方法.该方法首先结合卡尔曼滤波模型，对不同传感器的数据进行滤波处理，并通过主观贝叶斯网络模型计算信息增益大小，从而自主地选择传感器数据；再将选择的传感器数据进行融合；最后根据融合后的传感器信息进行AGV位置状态更新，获得更精确的AGV位姿信息.仿真实验结果表明，在室内实验环境中，主观贝叶斯网络融合算法能够实现多传感器的数据互补.与RUKF算法相比，该方法的均方根误差缩小到了0.17 m，定位精度提高了43.6%，定位时间缩短了0.071 s，效率提高了4.5%，数据稳定性提高了47.8%，其定位偏差明显小于单传感器的定位偏差，证明了该方法的有效性.     

一种基于属性相关性度量的朴素贝叶斯分类模型

本文通过分析属性相关性的度量和属性约简,提出一种基于属性相关性度量的朴素贝叶斯分类模型EANBC。实验结果表明,与朴素贝叶斯分类模型相比,EANBC分类模型具有较高的分类正确率。     

音频贝叶斯谐波模型中参数的提取

由于音乐信号具有暂态特性、夹杂噪声、且它的基频在频域上具有复杂的结构,因此分析音乐信号是一项复杂的工作.本文在分析音乐信号时引入了音频贝叶斯谐波模型,并在此基础上提出了一个基于贝叶斯谐波模型的简化模型,然后采用可逆跳转蒙特卡罗(RJMCMC)采样算法对此模型中基频参数和谐波幅度进行了估计,仿真结果表明该算法取得了较好的效果.