基于贝叶斯理论的未知病毒检测算法的实现

计算机病毒严重地危害了计算机世界的安全,如何有效地利用已知病毒的特征对未知病毒进行检测是一个非常重要的研究课题。对基于贝叶斯分类理论的未知病毒检测算法给予了系统设计和实现。实验结果表明,这种新的算法对未知病毒具有较高的分辨率。     

数据挖掘中的贝叶斯网络构建与应用

贝叶斯网络是数据挖掘有效的工具之一,贝叶斯网络能够处理不完整数据.定量地描述了数据间的相关性,并以图形的方法描述数据间的相互关系.分析了构建贝叶斯网络的基本理论,并指出了贝叶斯网络在数据挖掘中的应用.     

移动通信信道的自适应均衡算法

针对移动通信中多径衰落信道需进行自适应均衡补偿的需求,对当前各种自适应均衡算法的原理和实际性能进行了分析,指出近年来发展迅速的盲均衡技术无需参考训练序列的均衡技术,具有同样的稳态性能,又不增加运算复杂度,在移动通信中具有十分重要的工程意义.     

多投影面显示系统亮度均衡的实现

由多个投影面形成的大屏幕显示系统存在诸如不同的投影机之间的亮度响应不一致、拼接重叠区的高亮带以及同一个投影面内的亮度差异等亮度不平衡的问题。针对这些问题,分别采用了直接逼近、二次曲线衰减及μ比例修正算法和相应的实现方法,对这类显示系统的投影面间的亮度匹配、边缘融合以及投影面内的亮度均衡进行实现,并提出亮度偏差对均衡效果进行衡量。     

基于贝叶斯网络的概率安全评估方法研究

针对传统的事件树/故障树分析方法的局限性,提出了基于贝叶斯网络的系统概率安全评估方法.该方法采用了一体化的建模思想,将故障树和事件树转化为贝叶斯网络进行分析,不仅可以得到常用的安全性分析结果,还可以得到其他有用的信息,非常便于推理和诊断.而且该方法还可以处理多态、相依、非单调和非确定性逻辑关系,有很强的适用性.通过1个油井平台瓦斯泄漏实例说明了该方法的有效性,并与传统的故障树/事件树分析方法和基于二元决策图的分析方法进行了比较.     

动态贝叶斯网络在复杂系统中建模方法的研究

提出了用动态贝叶斯网络(DBN)对复杂系统进行建模的有效方法。基本思路是将扩展后的隐变量引入了DBN的演化过程中来建立马尔可夫模型,并给出了引入扩展后的隐变量的DBN结构学习算法框架。进而,利用贝叶斯概率统计方法对后续时间片的充分统计因子进行了估计,并通过当前已存在的充分统计因子和估计的充分统计因子对基于时间变化的转移概率进行了学习。原理性分析和仿真实验结果也验证了该方法的有效性。     

视频语义分类特征选择算法

提出一种将连续特征数字量化后进行特征选择的算法(ABFSA)。利用样本集中的先验信息选择出特征值域中最具类间区分意义的区域,将其作为完整量化区间。采用向后式的启发搜索策略,搜索合并后能使贝叶斯分类错误率降低的相邻量化区间。合并搜索得到的两相邻量化区间,量化的级数降低一阶。重复搜索和合并过程,直至贝叶斯分类错误率不再降低为止。所有特征搜索、合并完成后,总的特征量化阶数得到大幅降低。用UCI仿真数据集及真实视频数据进行实验,对比结果表明该算法能有效选取视频语义概念分类的重要特征,其综合性能较优。     

资产价格的抛物线跳跃扩散模型

以Bibby与Sφrensen(1997)抛物线扩散模型为基础,用一个线性趋势和跳跃加上一个扩散过程为资产价格对数建模,该扩散过程是一个漂移项为0、扩散系数依赖与瞬时的资产价格,该模型称之为抛物线跳跃扩散模型.通过模型成功的拟合了几个不同价格指数数据集合,表明抛物线扩散跳跃模型能够很好的体现资产收益分布的检验特征.开发了基于Milstein的McMC算法,成功的估计了模型的参数及隐含变量,并验证了所开发算法的有效性.     

供应链合作伙伴选择的层次变权多因素决策

针对企业在选择供应链合作伙伴时,常权综合方法难以体现决策者对决策因素的均衡性要求和激励性要求,以及常权综合方法常常违背决策因素间不可替代性的弊病,提出了一种基于可拓理论和变权理论的新方法———层次变权优度评价法.该方法克服了常权综合的弊病,能够对某些重要影响因素进行均衡性处理的同时,对某些关键影响因素进行激励,从而使决策者意愿的体现建立在科学理论的基础之上.经实证研究,证实了该方法应用的灵活性和有效性.     

地产泡沫预警模型及实证分析

在短视的理性预期均衡(myopic REE)理论框架下,引入“负红利”的概念,证明土地价格在实际贴现率下是一个贴现鞅.利用1986年-1990年日本8个督道府剔除通货膨胀率之后的地价数据建立了一个地产泡沫预警模型,并对中国16个重点城市2003年和2004年地产市场的泡沫情况进行了实证分析.实证结果表明:2004年杭州、上海和沈阳存在着严重的地产泡沫;成都和重庆等地的地产市场有过热的迹象.地产泡沫预警模型对于防范地产泡沫的发生,促进中国房地产市场的健康发展具有重要意义.