不确定供应链管理网络的概率图模型仿真研究

供应链管理网络是种有向无环图,在实际应用中不可避免的具有多种不确定性,这些不确定性可用概率进行表示.贝叶斯网是种应用较广的概率图模型,它也是有向无环图.对供应链管理网络中的不确定信息与贝叶斯网进行研究,对使用贝叶斯网络研究供应链管理的可行性进行了论证.由于贝叶斯网是概率分布与图表示的完美结合,根据供应链管理中的不确定信息,可建立合适的贝叶斯网,通过联合概率分布进行决策,使得供应链中的各方达到共同获利的目的.由于贝叶斯网在-般情况下的学习与推理问题都是NP难问题,对用于供应链管理贝叶斯网在仿真中可能遇到的情况进行了分析.研究表明,将贝叶斯网应用到供应链管理中的不确定信息仿真是切实可行的.     

一种新的数字图像灰度直方图及其应用研究

一般的描述数字图像的直方图不能反映图像中的局部特征和对象属性，本文提出一种新的灰度直方图，其特点是具有描述图像局部特征能力，文章给出了它的定义，并对其中的特别区域及其与图像中字幕的映射关系作了分析，在此基础上，我们进一步研究了这种直方图在字幕检测与定位中的应用，并为此目的提出了一种算法，计算实验结果表明，该算法快速有效。     

Bayes网络学习及其在文本检测中的应用研究

针对大规模Bayes网络的条件概率赋值问题,提出一种学习方法．首先使用类层次结构定义一种新的层次Bayes网络模型,用于表示大规模Bayes网络．然后将训练数据集由单个数据表的形式转化成多表数据库,其中每个数据库表对应1个Bayes网络模块．在此基础上导出条件概率计算公式,从每个数据库表中算出相应的Bayes网络模块的条件概率表,由此实现对整个层次Bayes网络的概率赋值．可通过适当增加数据库表的数目来控制每个表中属性的个数,保证计算的可行性．最后将本层次Bayes网络及计算公式用于解决图像中文本的自动检测与定位问题,实验结果表明了它们的有效性．     

一种新的Bayes网络条件概率学习方法

针对大规模Bayes网络的条件概率赋值问题,提出一种学习方法.首先使用类层次结构定义一种新的基于层次的Bayes网络模型,用于表示大规模Bayes网络.然后将训练数据集由单个数据表的形式转化成多表数据库,其中每个数据库表对应一个Bayes网络模块.在此基础上导出条件概率计算公式,从每个数据库表中算出相应的Bayes网络模块的条件概率表,由此实现对整个层次Bayes网络的概率赋值.通过适当增加数据库表的数目来控制每个表中属性的个数,保证计算的可行性.将层次Bayes网络及计算公式用于解决图像中文本的自动检测与定位问题,实验结果表明了它们的有效性.     

基于Bayes网络的航空图象理解模型

提出一种基于Bayes网络的图象理解模型,用于检测与描述城市航空图象中的停车场、空地、房屋等二维和三维目标.模型首先使用一种基于感知组织的算法生成焦点区域,然后使用Bayes网络建立焦点区域的图象特征与目标之间的(不确定性)联系,由Bayes网络推理机制完成对焦点区域的识别.对于屋顶区域,模型使用一种基于DEM(digitalelevationmap)方向直方图的匹配算法进行模板匹配,生成房屋的三维几何模型描述.模型中所有Bayes网络组成层次结构,可以方便地增加被识别目标的种类;图象特征与提取图象特性的算法之间由一种称为证据源的数据结构相连接,可以方便地扩充图象特征的提取算法.由此实现了模型的易扩展性.实验结果表明了本文模型的有效性.     

用Bayes网络检测航空影象中的三维结构体

感知组织是自动检测目标的有力工具。文章提出一个基于Bayes网络的感知组织算法，用于检测城市航空影象中房屋等三维人造结构体。算法使用假设检验的方法检测目标，由提取边缘及线段、生成平行四边形、生成假设、检验假设四个步骤组成。文中设计了两个Bayes网络分别作为假设生成和检验中的信息融合工具。Bayes网络的学习能力，使算法具有一定的自适应性。实验结果表明了算法的有效性。