基于概率图模型的危险驾驶罪刑期预测

针对司法实践中对于可解释性及预测性能的需求, 本文提出了一种基于概率图模型的量刑智能辅助方法. 该方法以量刑要素为基石建立含有隐节点的概率图模型, 由极大似然准则估计刑期分布的参数, 进而计算分布的数学期望得到预测值. 关于危险驾驶罪的实验结果表明, 概率图模型的预测准确率优于基于决策树和神经网络等的模型, 且具有良好的可解释性.     

基于目标高斯分布的定位系统节点最优部署方法

针对三维空间定位系统中目标位置服从高斯先验分布假设条件下节点最优部署问题, 分析了纯方位目标定位算法中估计误差的费希尔信息矩阵, 推导出基于目标先验分布的克拉美罗界(Cramer-Rao bound, CRB)。为了解决目标位置在任意高斯分布时, 协方差矩阵为非对角阵的问题, 提出了基于三维坐标旋转的最大后验概率估计方法, 将协方差矩阵转化为对角阵以实现最小化CRB的迹, 从而得到定位系统中节点的最优部署。最后, 通过梯度下降算法对节点最优部署问题的理论推导进行仿真, 验证了该部署方法的有效性，同时仿真结果中不同节点部署方法的对比也表明了该方法可有效降低定位误差。     

一种基于HMM模型改进的地图匹配算法

针对轨迹数据在线地图匹配中难以同时保障算法的准确率和时间效率的问题, 提出一种基于隐马尔科夫模型(HMM)改进的在线地图匹配算法, 并提出综合距离因素和方向因素计算发射概率的方法。与其他全局或者局部算法的不同之处在于, 改进的在线地图匹配算法引入可靠点进行轨迹分割, 减少了转移概率的计算和匹配结果的输出延时。用西雅图市浮动车的轨迹数据进行算法的实验验证, 结果表明, 与传统的HMM地图匹配算法相比, 改进的算法在准确率和时间效率上更优, 能够满足在线地图匹配的需求。     

基于离散最优传输的多层次自适应颜色传输

基于离散最优传输理论和小波分析方法提出一种自适应的多尺度颜色传输算法,首先将原图像和目标图像由RGB空间转到CIELab空间,然后分通道对2张图像进行自适应层数的小波分解,在每个层次上利用加权的离散最优传输进行传输,并通过设置传输比例参数使得用户可根据自身需求调整颜色传输的程度,最后将各层次、各通道的传输结果整合,实现2张图像之间的颜色传输.实验结果表明,该算法与已有经典算法相比,其颜色传输效果既平滑自然,又能较好地保持纹理细节.     

基于频率的Read Mapping种子选择算法

选择具有最低频率的最优种子是一个复杂的计算问题,往往需要很长时间.提出了一种read的基于频率的合并种子选择算法(FMSS),该算法能够高效地选择接近最优的种子集合,可用于改善现有映射工具的性能.实验对比了平均种子选择方法和当前最优的种子选择策略(OSS,optimal seed solver),结果显示FMSS算法能够用很少的时间代价给出接近OSS的最优种子集合,这表明FMSS算法可集成到现有映射工具中用于处理更大规模的read mapping问题.     

概率论的一个强大数定律

给出了概率论中一个强大数定律,拓广了辛钦强大数定律的适用范围.     

随机参数扰动下的洪水概率预报研究

基于水文模型参数不确定性的客观存在性,在分析随机参数概率分布特征的基础上,文章提出随机参数扰动下洪水概率预报的方法。通过淮河王家坝流域19场洪水的模拟试验可知,该方法所给出的概率预报结果能够覆盖不同量级的洪水过程,预报结果可靠;其均值预报结果与传统预报方法的预报精度相当,确定性预报结果准确。这说明基于参数不确定性客观存在研究洪水概率预报,可以定量描述参数不确定性对预报结果概率分布特征的影响,对于提高洪水预报数据的有效信息含量、提升预报结果的可靠性具有参考价值。     

高校数学课程模块化教学策略研究

高等院校的数学课程一直是大学生学习的难点,大部分学生学习数学的积极性不高.高等院校的数学课程一般包括高等数学、概率统计和线性代数,这些课程是其它专业课程的重要基础.为了解决这种教与学的矛盾,进一步提高大学生学习数学的兴趣,在教学中尝试引入模块化教学,对于不同的专业建立与专业相关的数学课程教学模块.这种基于专业的分模块教学可以激发学生的学习兴趣,提高教学效果.     

基于改进边际优化的离散变量优化设计算法

针对传统离散变量优化方法存在的目标函数测算次数多、收敛性不佳等问题,借鉴边际优化理论和模式搜索算法,设计了一种基于改进边际优化的离散变量优化设计算法。借鉴边际效用优化原理,通过引入周围单位步长空间的概念,在初始点选择、边际增量设计、禁忌搜索策略等方面进行了改进,并设计了变异操作以跳出局部最优。实例分析表明,所提算法能够快速准确地收敛到局部最优解,实现以尽可能少的目标函数测算得到问题的满意解或最优解,适合于求解高维离散变量优化问题和仿真优化问题。     

基于Copula函数的土石坝三维坝坡稳定可靠度分析

不完备概率信息条件下边坡稳定可靠度评价是岩土工程新兴的热点问题之一,其关键难点在于如何在不完备概率信息条件下有效地建立符合抗剪强度参数分布特征的联合概率分布模型.在考虑堆石料非线性强度参数不完备概率信息条件下,采用Copula函数建立非线性强度参数联合分布模型,结合径向基神经网络(RBFN)提出了土石坝坝坡稳定系统可靠度分析智能响应面法,并通过实例验证了其可行性与有效性.最后,基于所建的智能响应面,系统研究了Copula函数类型与样本数量对土石坝坝坡稳定系统可靠度的影响规律.