现代信息检索技术发展探析

当前信息技术的迅猛发展和用户对检索需求的变化使得现代信息检索技术在理念、人性化、智能化等方面发生了全面突破。本文探析了现代信息检索技术发展趋势,从跨语种、智能化、可视化、个性化、跨媒体五个方面进行了探析,对检索技术发展趋势展开了一定的分析研究。     

公安情报的贝叶斯推理机制研究

文章系统阐述了公安情报分析中的贝叶斯推理机制的原理、方法、特点和局限性,给出了在刑侦实践中贝叶斯推理机制的操作与推演过程,并借助一个一般案例去简要、直观地展示了贝叶斯推理在公安情报实践应用中的具体操作步骤.     

半参数回归模型中参数的Bayes估计

导出了半参数回归模型中参数的Bayesian最小风险线性无偏估计(BMRLUE),研究了其在均方误差矩阵(MSEM)准则、PRPC和PPC准则下相对于最小二乘加权估计(LSWE)的优良性.     

一种利用不可行解的贝叶斯网学习算法

现有的基于打分搜索的贝叶斯网学习方法都是利用满足有向无环图的可行解进行学习.在搜索过程中遇到不可行解时,这类算法简单地去除不可行解或将不可行解转化为可行解.然而,有的不可行解中往往蕴含着有价值的信息.本文提出一种新的贝叶斯网学习方法ISEC,同时利用可行解和不可行解学习贝叶斯网络,并提出针对不可行解的选择策略,在学习过程中可以有效地利用不可行解中的有用信息.实验结果表明,ISEC能够比仅利用可行解的方法更快地学习到更优的贝叶斯网.     

基于改进最小最大准则的分类器设计研究

主要探讨先验概率未知情况下的分类器设计问题。为了解决传统的最小最大分类器性能有限的不足,提出了基于分段线性化的分类器设计方法。方法不仅是最小最大准则的改进,而且也是最优贝叶斯分类器的更好近似。通过说话人识别的应用,验证了所提出算法的有效性。     

基于小波降噪与贝叶斯神经网络联合模型的短时交通流量预测

在短时间内准确、稳定地预测出交通流量,是实现智能交通控制系统的重要环节,对于交叉口信号控制方案的实时调整具有重要意义。鉴于此,提出一种 联合模型的预测方式,引入 和 作为模型评价指标,从精度和稳定性两个方面对模型进行评价。结果表明,在 、 、 等不同的时间预测尺度下, 联合模型的 和 均小于小波网络、贝叶斯网络、 网络等方法,短时交通流量预测结果的精度和稳定性得到了不同程度的提高。     

基于优先级排序的用户侧电网调峰机制

传统的分时电价环境下,居民用户大量负荷转移至低电价时段,形成新的负荷高峰。为了缓解这一状况,提出了居民用户参与电网调峰的激励机制。以用户最小用电成本为目标函数,对家庭用电设备进行分类并建立数学模型;考虑调峰功率约束和补偿费用约束,运用改进的逼近理想解排序法（technique for order preference by similarity to ideal solution, TOPSIS）,并通过用户响应次数、响应功率等4个指标对每轮次参与调峰的用户进行优先级排序,最终确定参与调峰的用户名单。案例分析结果表明能够降低用户用电成本,减小系统的峰谷差。所提方法能够引导用户有序参与电网调峰,实现用户用电策略的优化。     

基于贝叶斯网络的核电厂安全系统可靠性分析

 针对核电厂改进的辅助给水系统（ASG）,研究了基于贝叶斯网络的系统安全评价方法。通过故障模式与影响分析构建ASG系统可靠性框图,根据可靠性框图与贝叶斯网络的映射关系,建立ASG系统贝叶斯网络,利用网络推理计算事件发生概率,对系统进行了可靠性分析。研究结果表明,该方法通过贝叶斯网络的正向推理、反向推理和双向推理,能够计算任意节点事件的发生概率,表征设备多态失效模式和获得更多评估信息,与传统的故障树方法相比,具有更强的分析能力和更接近实际,适用于核电厂安全系统的可靠性评价,且具有一定的优越性。     

贝叶斯框架的LS-SVM回归在民机液压系统预测中的应用

 为实现民机液压系统的健康预测,将贝叶斯框架应用于LS-SVM参数的选优.选用径向基核函数,选择了预测回归模型的算法和区间预测公式.用训练样本建立了液压系统的健康预测模型,用测试样本验证了公式的有效性;对液压数据参数进行预测,将预测值带入健康评估模型中得到预测结果.结果表明,基于贝叶斯框架下的LS-SVM回归模型可以很好地用于民机液压系统的健康预测.     

一种区间数多属性决策方法在经济评价中的应用

研究了区间数多属性决策问题．利用区间数运算法则获得加权规范化矩阵．基于投影对TOPSIS法进行改进,通过各方案与理想解的相对贴近度进行方案排序或择优．并将方法应用于经济评价中,提高了决策的准确性和效率．结果表明：算例验证了该方法的可行性和有效性且具有操作简便和易于上机实现的特点．