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。     

两参数指数分布模型多重模糊假设检验的贝叶斯方法

模糊假设检验是统计决策中处理模型概念的一种非常重的情形，对于双参数指数分布尺度参数的多重模糊假设检验，本文在定数截尾样本情形，研究其贝叶斯解，先验分布考虑了Jeffreys先验和共扼先验。     

贝叶斯预测模型在气温变化预测中的应用

贝叶斯预测模型是运用贝叶斯统计方法进行的一种预测,贝叶斯统计不同于一般统计方法,其不仅利用模型信息和数据信息,而且充分利用了样品的先验信息.根据贝叶斯预测模型的特点,介绍了几个贝叶斯预测模型的预测过程和计算步骤,并对南宁地区自1970年以来19年间的气温变化进行了预测.根据计算结果,分析了不同贝叶斯预测模型的预测特点,并给出了几点结论.     

多元正态分布均值向量变点的Bayes检验

本文讨论了多元正态均值向量变点是否存在的检验问题，并给出了检验统计量，检验的临值和检验的势函数。     

基于贝叶斯估计的神经信息流

判断神经网络之间的相互影响是一个重要的神经科学问题. 目前已提出了多种成熟的方法计算神经网络之间的耦合强度, 但是对于神经网络之间耦合方向(信息流)的研究还属于起步阶段. 一般的香农熵计算方法仅仅利用了样本重复概率的统计信息, 而贝叶斯估计则充分利用了整体先验知识和样本重复概率. 基于最小平方误差的贝叶斯估计提出了一种新的基于信息论的相位耦合方向指数计算方法. 经过集总参数神经网络模型所产生的仿真信号检验表明, 提出的方法能够准确地判断两个系统间的耦合方向, 并且减少了对数据长度的依赖性, 使分析短时高噪的复杂生物信号成为可能. 应用该新方法分析了癫痫病人临床信号, 结果表明该方法能判断出癫痫发作时各区域之间的影响方向, 并揭示了癫痫传播机制.     

不确定需求下的电力竞价贝叶斯博弈模型

电力竞价是一个不完全信息的博弈过程.假定竞争对手的报价服从已知区间上的某种分布,分别构建了确定需求与不确定需求条件下的二发电商电力竞价博弈模型,并给出这2个模型的贝叶斯纳什均衡解,即发电商在不同条件下的均衡报价.最后假定竞争对手的报价服从均匀分布,对构建的模型进行了分析,分析结论表明:在确定电力需求情况下,发电商的均衡报价一般在报价上,下限附近波动;而在不确定电力需求下,发电商的报价在报价下限与报价区间中点之间波动:当竞争对手的最大可供电量很少时,选择报价区间中点,而当发电成本很少时,很可能选择报价下限.     

两种新的DS合成法则仿真近似算法

DS合成法则计算时间复杂度是影响DS理论广泛应用的主要原因之一,介绍了几种著名的近似算法,并分析了它们的优劣性,指出了这些方法的存在的问题。给出了两种新的仿真近似算法,这两种新方法不需要预先限定焦元的个数,计算过程直观、方便,结果合理。仿真试验结果表明,这两种方法的计算结果和Bayesian方法非常接近,但不存在Bayesian方法的不合理之处。对几种算法作了进一步分析研究,给出了三种算法间的关系。     

基于扩展贝叶斯方法融合的作战效能评估研究

从多个视角采集评估数据源并进行武器装备的作战效能评估，是一种提高评估结果可信度的做法。在武器装备论证阶段，评估数据源主要来自专家经验和仿真结果，但因这两种数据源的差异太大，难以进行直接的评估聚合。为此，提出采用信念图模式统一两者的数据表达，再采用一种扩展的贝叶斯推理算法进行评估融合，最后得到评估装备的综合作战效能。以装甲主战装备改进型的作战效能评估为例进行验证，结果表明该方法符合评估实际，是一种有意义的新方法。     

基于贝叶斯网络的编队对地攻击损伤评估研究

随着武器的高科技化、战场环境的复杂化、战斗节奏的加快,战斗损伤评估系统在现代战争中占有越来越重要的地位。针对战场战斗损伤评估信息的多样性、不确定性和模糊性,基于贝叶斯网络易于进行不确定性推理的优点,提出应用贝叶斯网络对对地攻击效果进行分析评价,建立了编队对地攻击损伤评估的贝叶斯网络模型,给出了基于贝叶斯网络的损伤评估的推理决策方法,并且对该方法进行了仿真分析。仿真实例表明,基于贝叶斯网络的损伤评估模型能够提高损伤评估的准确度,而且推理简单,易于实现。     

在衰减信道中基于最小贝叶斯风险的检测算法

针对实际检测过程中本地检测器至融合中心传输信道的非理想性,提出了基于两种非理想信道模型的分布式检测算法:第一种为融合中心已知非理想信道的瞬时状态信息;第二种为融合中心已知非理想信道的统计特性。通过最小化平均贝叶斯风险来设计本地检测器和融合中心的优化判决算法,其判决形式都可简化为似然比判决。最后通过仿真表明第二种模型的检测性能略低于第一种模型,但其计算量却大大降低。