基于Bayes理论的小子样可靠性评估方法应用

针对复杂武器系统技术先进、造价昂贵、可靠性鉴定试验实施难度大的情况,介绍了基于Bayes理论的小子样可靠性评估的流程、数学模型、数值计算方法,建立了可靠性评估应用方案,有效指导了该系统的可靠性评估工作,为其他型号开展小子样可靠性评估应用提供借鉴。     

基于整定值随故障类型变化的电流保护方案研究

分析了输电线路发生接地短路故障和相间短路故障时,故障相与非故障相之间的电流关系,得出判别故障类型的方法;提出了整定值随故障类型变化的阶段式电流保护方案,并设计了程序框图;通过ATP软件仿真,验证该保护方案的可行性,并具有提高灵敏度的优点.     

SOFM与BP神经网络在矿井水源判别中的应用

介绍了SOFM神经网络与BP神经网络,以李咀孜煤矿为例,分别利用SOFM网络与BP网络,针对地下水化学特征分别建立突水判别模型,实例结果表明:SOFM网络模型比BP网络模型具有更高的判别精度,更快的运算速度,更好的反应地下水系统特性,为矿井水害防治提供了一种辅助决策手段。     

改进的线性判别回归分类人脸识别算法

对线性回归分类算法进行了改进。考虑了线性回归分类算法中没有考虑的类间信息,通过选择类模式的投影方向判别不同类的模式,不同类的模式互相远离,相同类的模式尽可能靠近来估计投影矩阵;再利用投影矩阵将训练图像及测试图像投影到各类的特征子空间;最后,计算出测试图像与训练图像间的距离,利用K-近邻分类器完成人脸的识别。在FERET人脸数据库上进行实验验证。实验结果表明,相比其他回归分类算法,本算法取得了更好的识别效果。     

砂土液化势评价的Bayes判别分析法及其应用

为了给砂土地震液化的数量化研究提供参考,基于多元统计分析理论,建立砂土地震液化判别与液化势分类的Bayes判别分析模型。模型选用震级、地面加速度最大值、标准贯入击数、比贯入阻力、相对密实度、平均粒径和地下水位等7个指标作为判别因子;将砂土液化势分为严重液化、中等液化、轻微液化和未液化4个级别,并作为Bayes判别分析的4个正态总体;以17个砂土实测数据作为训练样本,建立Bayes线性判别函数,以Bayes线性判别函数的最大值对应的总体作为样品所归属的总体;最后将建立的模型对训练样本进行回判,以回代估计误判率对模型进行检验。研究表明,对训练样本的回代误判率为0,对另外20个砂土样本的判别正确率为90%。     

基于判别性降维的字典学习在光照变化人脸识别中的应用

针对光照变化人脸识别中大多数现有的人脸识别算法只能单独实施降维,或者字典学习而不能完全利用训练样本判别信息的问题,提出了基于判别性降维的字典学习算法。首先,利用经典的特征提取算法PCA初始化降维投影矩阵;然后,计算字典和系数,通过联合降维与字典学习使得投影矩阵和字典更好地相互拟合;最后,利用迭代算法输出字典和投影矩阵,并利用经l2-范数正则化的分类器完成人脸的识别。在PIE及扩展的YaleB两大人脸数据库上得到了验证了所提算法的有效性及可靠性。实验结果表明,相比几种较为先进的线性表示算法,所提算法在处理光照变化人脸识别时取得了更高的识别率。     

基于熵理论的城市主-支路交汇处交通状态判别

本文通过城市道路交通系统和热力学系统的对比,将热力学的基本理论——熵运用到交通流领域,并在交通流流体理论的基础上建立了熵产生模型。分析确定指定状态时注入的负熵及其意义,建立了主-支路交汇处交通系统的总熵模型,从而得到交通状态判别熵模型和需要注入负熵的条件。研究结果表明,熵值越小,道路服务水平越高。     

一种基于两步降维和并行特征融合的表情识别方法

在采用特征融合方法进行人脸表情识别时,通常会产生高维特征问题.针对这一问题,提出一种基于两步降维和并行特征融合的表情识别新方法.利用主成分分析法(principal component analysis,PCA)分别对待融合的两类特征在实数域进行第一次降维,将降维后的特征进行并行特征融合;为了解决在并行融合过程中产生的高维复特征问题,提出一种基于酉空间的混合判别分析方法(unitary-space hybrid discriminant analysis,unitary-space HDA)作为酉空间的特征降维方法.该方法是实数域混合判别分析法在酉空间内的扩展,并兼顾了复特征数据的类间判别信息及全局描述信息.对局部二值模式(local binary pattern,LBP)和Gabor小波特征进行融合,并在JAFFE和CK+表情数据集上开展对比实验.实验结果表明,该方法具有较好的高维复特征数据降维能力,并且有效提高了表情识别率.     

基于安全可提高空间的事故多发信控交叉口判别

贝叶斯安全可提高空间判别方法通过计算贝叶斯方法估计的事故数与具有相同道路交通特征地点的事故期望的差值,对事故多发信控交叉口进行判别;差值越大,表明安全改善潜能越大.贝叶斯方法结合事故观测值和具有相同道路交通特征地点的事故期望估计事故数,消除了事故观测值的随机波动特性.基于全贝叶斯安全可提高空间方法判别上海市事故多发信控交叉口,并与事故绝对数方法、经验贝叶斯方法、全贝叶斯方法、经验贝叶斯安全可提高方法的判别结果进行对比,发现该判别方法最优.     

有理数域上的一类不可约多项式

首先介绍了判别有理数域上多项式不可约的常用结论,讨论了形如f(x)=ψ(X)(x-a1)(x-a2)…(x-an) 1的多项式的性质, 并且得到了定理:若n6,ψ(x)0且它的次数小于,n的一半,则f(x)=ψ(X)(x-a1)(x-a2)…(x-an) 1在Q上不可约.