基于深度贝叶斯网络学习的不确定性建模方法

战场态势评估涉及很多不确定因素,对不确定性进行仿真建模能够提高态势评估的能力。针对参战对象多元、不确定性增多导致的无法全面准确表达不确定性问题,提出了基于记忆模块和变分自编码器的深度贝叶斯网络模型。采用生成模型设计了基于深度贝叶斯网络学习的态势评估模型;阐述了融合记忆模块的深度生成模型原理和模型的学习与推理过程;以某空袭行动为例构建贝叶斯网络,对所提方法进行了验证。结果表明:深度神经网络能够逼近隐变量的非线性变换,设计的记忆模块能存储深度神经网络提取的大量局部特征,通过学习自动得到了贝叶斯网络条件概率,增强了不确定性建模能力。     

大肠癌的贝叶斯预测

根据所查找数据,分别对下消化道报警症(便血、消瘦、贫血、大便变细、腹部包块和肠梗阻)、年龄、家族肿瘤史、饮食习惯和心理健康状况与大肠癌的相关性进行2c检验.检验结果表明,便血、贫血、年龄、家族肿瘤史和饮食习惯是与大肠癌发生密切相关的因素.利用贝叶斯公式根据筛选出的相关因素建立了大肠癌危险人群的预测模型,为病人是否需要进一步的技术性检查提供理论依据.从医院随机抽取某病例进行验证,预测结果与检验结果一致.     

基于Beta过程的高分辨ISAR成像

对于高信噪比、完整回波、目标平稳运动等理想观测环境,现有成像技术已经较为成熟,可以获得聚焦良好的高分辨逆合成孔径雷达(inverse synthetic aperture radar, ISAR)像。但在实际中的方位回波缺损与低信噪比观测情况下,随机相位误差等因素会降低现有成像算法的性能甚至使其失效。本文首先建立了ISAR稀疏观测模型,并基于稀疏贝叶斯学习理论,通过引入Beta过程非参数先验构建层级概率模型,进而交替利用Gibbs采样及最大似然方法对ISAR像及随机相位误差进行估计。实验结果表明,所提方法在低信噪比、回波缺损等复杂观测环境下能够获得聚焦良好的ISAR图像。     

基于改进贝叶斯方法的基因调控网络构建

为了研究基因之间的复杂调控关系,使用贝叶斯网络模型来构建基因调控网络,针对以往单一贝叶斯网络模型结构学习算法精度低的问题,提出一种结合信息论构建初始网络并在该网络上进行评分搜索的基因调控网络学习方法,使用最大信息系数筛选有较高关联性的节点构建初始网络以提高解的质量,在评分搜索中使用禁忌搜索和BDe评分训练生成最终网络。之后在一组单细胞的蛋白质因果表达网络数据和大肠杆菌表达网络数据上进行构建基因调控网络实验,并在不同数据量,不同性能指标上与其他网络构建算法进行对比。实验结果表明,构建方法在不同规模的数据集上的有效性和准确率优于用于对比的其他算法。     

异常值和未知观测噪声鲁棒的卡尔曼滤波器

给出了对异常值和未知分布的观测噪声鲁棒的卡尔曼滤波器.分析表明当以Huber损失函数替代推导卡尔曼滤波器最大后验准则中观测误差的l2范数时,就构造了一个新的准则.由于Huber损失函数可同时描述l1和l2范数,因此由这个新准则推导的卡尔曼滤波器,在具有传统卡尔曼滤波器性质的同时,也有了l1范数对异常值鲁棒的特性.而当含...     

基于Nave Bayes模型的垃圾邮件过滤方法

采用信息增益进行特征选择,以改进的朴素贝叶斯分类算法进行邮件分类.利用文本特征估算文本属于两种类型的偏测度,以此构造二维文本空间.将文本映射为二维空间中的一个点,将分类算法看作是在二维空间中寻求一条分割直线,根据文本点到分割直线的距离来判断该邮件为何类邮件.     

多变量过程的边界调整策略

针对存在设置偏差且生产阶段有限的多变量过程,研究了调整费用恒定情形下的使过程质量损失最小的边界调整策略.在建立过程状态空间方程的基础上,利用贝叶斯推断和动态规划给出了调整策略中随生产阶段变化的边界.通过算例解释了边界调整策略的实现方法,并通过仿真将调整策略与其他两种质量控制策略进行了比较分析,仿真结果表明调整策略能够更好的减少过程的总体质量损失.     

基于效益最大化的桥梁检修决策模型

运用贝叶斯分析方法,建立一种确定桥梁检修策略的动态模型,该模型包含了多阶段的"信息收集--数据分析--决策"过程,同时将先验信息和检查信息相结合,为决策提供更加充分的数据支持.算例考虑了两种检查方案和4种维修方案集,以检查净效益最大化为目的,在分析基准期内设计最佳的检查时间和检查方案,然后以维修综合成本最小为原则对可能出现的检查结果制定最佳维修方案.     

基于贝叶斯网络的学生学习评价模型研究

在学生模型中，学生学习评价是一个重要的部分，也是个性化教学中进行学习组织的一个很重要的依据。本文采用了贝叶斯网络中模糊逻辑的思想，运用模糊变换实现对学生认知能力的诊断及评价，评价学生对所学知识项的掌握程度。