基于逆向学习改进算法的汽车边缘提取

根据智能交通系统中车型识别的特点提出了使用逆向学习改进算法提取汽车边缘的新方法，这种方法的优点在于可以充分利用车型识别系统的特点和汽车历史轨迹的先验知识得到较好的提取精度，并有效地解决了车型识别中，因使用黑白图象而使基于色彩的汽车边缘提取失效的问题。     

非线性贝叶斯动态模型的一种处理方法

对一类非线性贝叶斯动态模型进行了处理。用筛选算法进行抽样，利用得到的样本进行各种推断和预测。     

ε-代换类先验的贝叶斯稳健性

考查了ε-代换类先验的贝叶斯稳健性，衡量其稳健与否的标准是先验为ε-代换类的后验分布的kullback-leibler散度和它的曲率。给出了多维和非共轭情况下后验的kullback-leibler散度的曲率的变化范围。     

广义粗糙集理论的公理化注记

首先回顾了粗糙集理论的代数表示,给出代数表示与公理化算子的相互关系.特别地,给出了广义粗糙集模型的公理化等价表示.     

本科课程体系优化设计方法研究

分析了现有本科课程体系设计的现状,提出了一种本科课程体系优化方法.该方法根据专业特点由专家组利用鱼骨图确定专业课程类别、各类课程中所涉及的知识点,进而确定该专业的初步课程体系.在此基础上,充分收集各类人员对该初步课程体系的看法,将其构成决策表,利用粗糙集理论对所得决策表进行约简,得到一系列规则.再由专家组根据本专业师资、实验等条件选取一些规则构成该专业的课程体系,进而形成该专业教学计划,所得到的教学计划更为实用、有效,同时所得的这些规则也为学生选课优化提供了理论指导.     

增长曲线模型关于共轭先验的BAYES分析

从贝叶斯观点利用共轭先验考查了增长曲线模型。得到了参数τ和协方∑的边缘后验分布，并在此基础上给出τ的后验估计、估计域和∑的后验估计。     

基于trn L-F序列数据利用贝叶斯法推测罗汉松科的系统发育

以黑松和Agathis australis为外类群,基于罗汉松科42种植物的叶绿体trnL-F序列数据通过贝叶斯法对该科的系统发育进行了推测.结果显示:①Phyllocladus为单系分支,位于罗汉松科的基部,是罗汉松科所有其余成员的姊妹群;②Nageia嵌套在罗汉松科内,同罗汉松属、Afrocarpus及Retrophyllum的关系较为密切;③Dacrycarpus为单系群且处于姊妹分支Falcatifolium-陆均松属的基部;④Lagarostrobs franklinii和Manoao colensoi应置于同一属Lagarostrobs内;⑤支持成立Halocarpus和Lepidothamnus属;⑥赞同Microstrobos和Microcachrys两属亲缘密切的观点.     

贝叶斯网络对故障树方法的改进

通过建立映射，引入作为目前处理概率知识基础上不确定性问题的最有力的推断方法——贝叶斯网络(BN)，有效地解决可靠性分析中最常用的故障树分析(FTA)方法的局限性：各部件独立，状态为二值等。     

一类加权连续属性的多变量决策树构造方法

首先利用粗集理论和模糊聚类理论确定连续多变量属性的选择问题,然后利用聚类中心算法建立等级标准中心以解决连续变量的区间划分问题,其次将等价关系相对泛化的概念用于决策树中多变量检验的构造。最后通过实例说明了本方法是可行的。     

一种基于分明矩阵的启发式知识约简方法

提出了基于分明矩阵的启发式知识约简方法。在决策表的相对约简过程中采用分明矩阵来表达知识,并利用分明矩阵中项的长度和每个属性的频率作为启发信息进行属性的选择。现已证明,寻找决策表中最小相对约简问题是典型的NP hard问题。所提供的算法在大多数情况下能够找到最小约简,即使在没找到最小约简的情况下,也能找到次优解。通过实例分析,证明该算法是求解属性相对约简的快速有效的方法