中心极限定理在统计推断中的应用

本文首先说明了中心极限定理研究的必要性，介绍了两个常用的中心极限定理，然后给出了中心极限定理在统计推断中有关统计估计和假设检验的实际应用，最后指出了研究中心极限定理具有理论意义和实际价值。     

基于小区域匹配的运动人体跟踪

为解决在复杂场景(光照变化、物体移动,增减以及遮挡等干扰)下运动人体跟踪的难题,提出了一种新的跟踪方法.该方法通过背景减除提取人体目标的多个小区域,利用模糊推理评价出它们在相邻两帧间的匹配可靠度;通过跟踪各个可靠度高的小区域,并对可靠度低的小区域进行邻域搜索、位置纠正和估计,完成整个人体目标的跟踪.实验结果表明,该方法能解决遮挡和其他物体的干扰,并能适应光照等环境因素的变化.     

基于时间窗的SVDBN近似推理算法研究

变结构动态贝叶斯网络(SVDBN)在处理非稳态过程的不确定问题具有其独特的优越性。为克服SVDBN推理算法不能实现在线推理的缺陷,在引入SVDBN的时间窗和时间窗宽度概念基础上,阐述了基于时间窗的SVDBN在线近似推理机制,提出了2种在线近似推理算法,即基于时间窗的变结构离散动态贝叶斯网络(SVDDBN)递推推理算法和基于时间窗的SVDDBN快速推理算法。通过仿真实验验证了这2种算法的有效性,并从复杂度、适用范围及更新时间等方面进行了比较。     

原因、假说选择与最佳解释推理

科学哲学领域的方法论研究者提出了各种对“最佳解释”,“融贯性”或者“统合性”的概率测度.这些测度如果有用,至少在某些情况下依赖它们作解释性推理应该比因果推理中通常用的统计方法更准确.格拉斯(2012)发现,大多数此类测度在小样本的情况下都不优于通常统计方法中用的似然度(likelihood)或后验概率.此后,格拉斯(2013)比较了他定义的测度和后验概率对解决一类假说选择问题的优劣.在该类问题中,需要从一组互不相容且非此即彼的假说中择一,但假说的概率未知.他的结果显示,在似然度已知而主观的先验概率和真实的概率分布不同的情况下,如果样本很小,极大化他的测度选择假说可以比极大化后验概率更准确.本文在格拉斯的框架下探究一些一致的模型选择方法在有限样本下的准确性.笔者发现不同方法在准确性上的优劣依赖于真实假说的分布以及所采用的主观先验概率.虽然很多方法可能在所有设置下都不是最优,但也没有方法在所有设置下都是最优.笔者认为,如果对真实假说的分布和主观先验概率没有限定,讨论哪种方法在样本量不大的情况下能更准确的选出真假说意义不大.     

试论针对词语关系的类比推理

公务员应该具备良好的逻辑推理能力，逻辑推理有多种，而针对词语关系的类比推理是其中较为重要的一种。测试这种推理能力的题型大致有两种：一组完整词语和两组缺省词语。词语之间的关系可能体现在逻辑层面，也可能体现在语言层面，还可能体现在常识对应层面。解题技法主要有遣词造句法和纵横对比法。     

基于建筑图纸的三维重建技术研究进展

基于建筑图纸的建筑物三维重建是计算机图形学和人工智能领域的重要研究方向.文章系统分析了三维重建技术研究现状,介绍了重建过程的一般流程,包括建筑图纸的轴网识别,柱、梁、板及其它符号的识别,总结目前图纸理解与识别技术的研究成果、存在的主要难点、发展趋势及产业界的相关进展,最后提出该领域进一步的发展方向.     

归纳推理合理性的心理学辩护

归纳推理在哲学、科学、心理学以及日常生活中都具有重要作用。我们通过归纳推理将知识组织成有用的结构。休谟首先对归纳推理的合理性提出质疑,后来的学者对归纳推理合理性的逻辑辩护都失败了,其根本原因在于数学逻辑不适于描述归纳推理。归纳推理实质上是心理事件而不是数学事件,它所依赖的生活事件集合与数学集合具有完全不同的结构。从心理归纳的角度讲,归纳推理发生在人、知识、情境的三维空间中,其目的是适应性。从适应性的角度,心理归纳的合理性能够得到充要的证明。     

模糊推理在导线间串扰预测中的应用

提出应用模糊逻辑推理对互连导线间串扰问题进行预测的方法,从前期测量数据中选择有效的电磁干扰参数作为预测因子,并根据数据的统计特性对其分级,然后归并模糊蕴涵式语句确定模糊蕴涵关系集。该方法与人工神经网络预测方法相比,不仅可以充分利用原有的专家的经验和知识,而且能够从实际数据中自动总结和提取新的推理规则。实例分析表明该方法对导线间串扰问题的预测是可行的。     

基于真假设比例广义推断的多重检验方法

研究了多重假设检验方法的改进问题,基于真假设所占比例的广义推断,利用其广义置信上限对现有的多重假设检验方法进行改进.该方法更好地利用了水平,在功效上有很大提升.采用广义推断方法,即使在假设个数比较小时,也能对真假设所占比例做出较好推断.模拟结果表明,该方法显著提高了传统方法的功效.     

AdaBoost分类问题的理论推导

为解决AdaBoost算法在二分类问题及多分类问题上缺乏共同的理论基础,算法系列的系统性难以得到理论诠释这一问题,首先,从算法思想的层面对AdaBoost算法与最优贝叶斯推理的关系进行了探讨;然后对AdaBoost算法的训练流程及相关参量进行了定量分析;最后从基本不等式定理入手,重点推导了AdaBoost算法由二分类问...