基于LM-BP算法的成熟林资产评估模型

为了提高评估效率、降低评估成本,将神经网络技术应用到森林资源资产评估建模中.针对传统BP神经网络存在的缺陷,将BP神经网络和贝叶斯正则化算法相结合,建立了基于LM-BP神经网络的成熟林评估模型.仿真结果表明,所建立的模型是有效的,预测精度高.     

基于动态线性模型的民航发动机性能状态监控与在翼寿命预测

以民航发动机为对象,提出了一种基于动态线性模型的性能状态监控与在翼寿命预测方法.利用动态线性模型来描述性能参数偏差值序列,借助贝叶斯因子法来监测参数序列的异常.算例分析表明,该方法可操作性强,借助统计方法能够在故障发生的早期及时预警;动态线性模型同时用来描述发动机的性能退化过程,能够考虑维修、水洗以及故障等使用因素对性能退化的影响,实例证明该方法更加符合航空公司实际运营情况,能够更加合理地预测下发时间.     

基于FMECA的复杂装备故障预测贝叶斯网络建模

针对复杂装备故障预测问题, 本文提出一种基于故障模式, 影响及危害性分析(failure mode, effects and criticality analysis, FMECA)知识的 故障预测贝叶斯网络模型(failure prediction Bayesian network, FPBN)建模方法. 首先, 在分析现有FMECA知识所包含故障信息的基础上, 提出了基于FMECA单元的FPBN网络结构转化方法和FPBN概率 参数计算方法, 建立起对应的FPBN单元模型. 然后, 对复杂装备各组成部分对应的FPBN单元模型进行连接, 构建整体系统的FPBN集成模型. 最后, 根据某机载平视显示器(head up display, HUD) FMECA知识, 建立了HUD电子组件的FPBN模型实例. 实例分析结果表明, 基于FMECA知识建立的FPBN模型具有不确定性表达和定量 分析方法的优势, 能够准确、有效地进行复杂装备故障预测.     

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...     

基于Cholesky矩阵分解的贝叶斯压缩感知信号处理

随着雷达、卫星遥感技术的的高速发展,信号重构精度和效率的要求越来越高。针对传统贝叶斯压缩感知(Bayesian compressed sensing, BCS)算法需要进行高维矩阵反复求逆致使算法复杂度过高、运算时间过长的问题,结合Cholesky矩阵分解快速求逆方法,提出一种基于矩阵分解的改进贝叶斯压缩感知算法。通过仿真比较传统的BCS算法、最小l_1范数算法和正交匹配追踪算法(OMP),笔者改进的BCS算法在不损失信号重构精度的同时大幅缩减了算法运算时间,重构效果得到改善。     

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.     

基于功率传感器的刀具磨损量预测方法

使用功率传感器监测机床加工功率,和切削力、声发射等传感器相比,功率传感器具有实用性强、对加工过程无影响等优点.针对采集到的功率信号,在分析信号特征相关性的基础上,提出了一个多目标优化RP-SBL的刀具磨损量预测方法.对信号特征进行后处理(Re-processing,RP)消除电网波动和切削中其他偶然因素的影响,进一步提高特征对刀具磨损敏感性.基于处理后的特征,运用稀疏贝叶斯学习(Sparse Bayesian Learning,SBL)方法建立刀具磨损量预测模型.此外,使用非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm II,NSGA-II)对SBL模型相关参数进行优化以提高预测精度.实验研究表明,该方法能够实现刀具磨损量的准确预测.不同预测方法的对比表明,通过特征后处理提高信号特征对刀具磨损的敏感性,保证了刀具磨损量的准确预测,对SBL模型参数进行优化可进一步提高预测精度,减小预测误差的最大值.     

方差已知条件下平稳AR模型的贝叶斯分析

当方差已知时,分别对无信息先验和共轭先验条件下的平稳AR(p)模型进行了贝叶斯分析,并给出了平稳AR(1)模型回归系数的贝叶斯估计和预报分布的解析式.结果表明,两种先验分布下,回归系数的后验分布均服从平稳域内的截断正态分布.无信息先验分布下,后验均值与经典OLS估计值一致;在共轭先验分布下,后验均值是先验均值和经典OLS估计值的加权平均.     

基于α-截集的三角模糊数-贝叶斯模型在刁江水质评价中的应用

【目的】探讨一种科学、客观的水质大数据的综合评价方法,为刁江流域重金属污染治理提供客观数据。【方法】基于α-截集的三角模糊数-贝叶斯模型,选取刁江的5个监测断面的主要污染因子(Pb、Cd、As)进行分析,全面评价刁江水质状况。应用α-截集处理监测结果的三角模糊数,并运用到贝叶斯模型中,计算刁江水质综合得分,最终确定水质类別。最后将本研究模型的评价结果与传统贝叶斯模型、三角模糊数模型及年均值模型的评价结果进行比较。【结果】本研究模型评价结果显示,2015年刁江A、D断面水质达到Ⅱ类水标准,E断面水质达Ⅰ类水标准,B、C断面水质介于Ⅱ、Ⅲ类水之间,对各级的隶属度分別为(0.7517/Ⅱ,0.2483/Ⅲ)、(0.7449/Ⅱ,0.2551/Ⅲ),水质总体良好,环境风险可控。传统贝叶斯模型与本研究模型的评价结果接近,三角模糊数模型次之,均值模型在水质不稳定时相差较大。【结论】本研究模型兼具三角模糊数模型的不确定性、传统贝叶斯模型的决策性及均值模型在评价稳定水质中的优越性,既能准确评价水质又能将水质的不确定性表达得更为全面、切合实际。     

基于双向情感分析的实时性音乐推荐系统设计

目前的音乐推荐系统,一般采用基于个体兴趣的推荐方法,这种方式虽然能满足大部分情景下的用户需求,但无法感知到用户实时性的心情变化。考虑到不同情绪状态下用户对于音乐的需求往往也会发生改变,提出一种基于双向情感分析的算法并构建了实际系统,实时分析用户的情感需求来进行音乐推荐。一方面基于音乐在频域的梅尔倒谱系数构建特征分类器完成歌曲的情感分类;另一方面通过获取用户在社交网络中的实时文本信息,基于自然语言理解分析出用户当前的情感需求,最终为用户产生音乐推荐列表,实现基于情境感知的实时音乐推荐。实验表明,使用该个性化推荐算法具有更高的准确性,用户群体可以获得更为满意的用户体验。