基于贝叶斯推理的决策树模型

针对决策树（DT）模型缺乏概率背景这一问题，将贝叶斯推理引入DT模型，提出了一种基于贝叶斯推理的决策树（BDT）模型．在假定所含待定参量的先验与似然的前提下，借助贝叶斯推理获得参量的后验，然后运用逆跳马尔科夫链蒙特卡洛算法对后验抽样，最终求出样本属于某一类别的置信度，从而避免了武断判决．BDT模型以抽样代替拆分与剪枝操作，既直观又灵活，同时在抽样时考虑了不同的树结构与递归分割方案，使得分类准确率得以提高．仿真实验结果表明，BDT模型的平均分类准确率与DT模型相比提高了1．7％～3．5％．     

采用MCMC方法的上海股市随机波动模型

采用贝叶斯统计中的马尔科夫链-蒙特卡罗(MCMC)方法对上海股市的随机波动性进行研究,基于Gibbs抽样的MCMC数值计算过程,对上海股市的随机波动率模型(SV)进行参数估计,并在WinBUGS软件中实现.根据信息判别准则(DIC),对比拟合的SV-N,SV-T,SV-MT模型参数,结果表明:SV-T模型最能反映上海股市波动具有尖峰厚尾的特性,可进一步用于预测样本外的波动率结果.     

基于隐马尔科夫模型的浏览路径预测

基于马尔科夫模型的浏览路径预测，仅仅从用户的浏览会话本身出发来预测用户下一步的链接，并不能捕获用户的真正兴趣所在。运用隐马尔科夫模型来分析用户浏览网页的内容，可进一步捕获用户的浏览兴趣，并作下一步的链接预测。当浏览序列长度逐渐增加，系统捕获的用户浏览信息越来越多，此时能够折射出用户的兴趣所在，预测准确率也逐步增加。当浏览序列长度大于或等于8时，预测准确率已经到达80％，提高了预测准确率。     

基于马尔科夫模型的期望效用序贯三支决策方法

投资决策过程中的收益和风险充满不确定性,需要通过评价投资决策过程中的效用来判断投资者是否应该投资以及如何投资.序贯三支决策可以有效模拟投资者的动态投资行为过程,为投资者做出最优的动态投资决策.文中通过马尔科夫预测方法来模拟预测投资收益与风险,引入期望效用理论模拟投资者对不同投资行为的偏好并建模,提出了一种序贯三支决策模...     

基于隐马尔可夫模型的非接触手势识别方法

非接触手势识别是一种新兴的人机交互技术,在很多领域正发挥着巨大作用.基于商用的WiFi设备目前应用广泛,但很多因素会影响识别性能.本文探讨了隐马尔可夫模型理论,提出了一种基于WiFi物理层信息的手势识别系统(non contact ges,NCGes),使用菲涅尔区域模型来学习手势特征.首先收集信道状态信息(chann...     

基于MRF与纹理特征的图像深度信息估计

提出了一种基于马尔科夫随机场(MRF)模型与多尺度纹理特征的单幅图像深度信息估计方法,该方法采用了Laws滤波器分别对图像的边缘、梯度、点进行滤波,捕捉二维场景图像中不同尺度的纹理能量以获得深度信息的特征.并根据纹理特征在不同尺度范围的不同值,计算出纹理线索与场景深度间的概率关系,在此基础上,构建MRF概率模型.MRF模型通过分析邻域系统和设计迭代准则很好地描述了纹理特征与场景深度之间的关系,最后通过迭代算法获得二维场景图像的深度信息.实验结果表明,该方法对场景深度信息的提取具有较好的效果,对于二维场景图像的场景结构、空间布局的约束较少,算法鲁棒性好.     

基于隐马尔科夫模型的上下文感知活动计算

为了推理移动用户在智能空间的活动，提出了基于隐马尔科夫模型的上下文感知活动计算．首先按照上下文的定义，采用元组方法表示移动用户和智能空间，然后根据活动理论基本构成元素和面向客体活动原理来描述用户活动和智能空间的状态变化，最后引用隐马尔科夫模型建立起用户活动与智能空间状态变化之间的联系，从而实现活动计算．该模型可以完整地描述活动分解为动作的过程，还可以根据每种活动的动作链标记用户活动数据，却不需要用户直接参与数据的标记．将该模型的动作状态数与上下文感知经验采样工具（ESM）的动作状态数进行比较，结果表明该模型的平均活动识别准确度比ESM高25％．     

一种基于样本块的图像超分辨率方法研究

提出了一种在马尔科夫网络框架下基于样本块的图像超分辨率算法。算法根据相似性选取多个样本块作为图像重建的候选,在候选集中计算图像块先验概率和图像块之间的相容性,最后在马尔科夫框架下选取最优图像块,合成最终的高分辨率图像。实验证明本文提出的算法具有较好的超分辨率效果。     

区域洪涝灾害风险估算模型及其应用

为了减轻洪涝灾害造成的损失,针对系统存在的风险指标,研制区域洪涝灾害风险估算模型.应用马尔科夫链进行某种趋势外推型的风险预测,并估算洪涝灾害无实测值的状态;采用贝叶斯统计理论和方法,通过先验分布结合样本信息来推求后验分布,以最大概率原则判别风险估算的趋势,按照估算结果及当地的实际情况,适度调整针对洪涝灾害的策略,尽可能...     

多目标的跟踪区域列表动态优化算法

5G移动网络要适应多样化和不断增加的用户设备(User Equipment, UE),应对终端巨大的位置管理信令开销是实现这一目标的重要保障。文中提出了一种多目标算法优化跟踪区域列表(Tracking area List, TAL)的策略,目的是寻找TAL中跟踪区(Tracking Area, TA)的最优分布以及如何将TAL分配给UE,以最小化位置管理中冲突的跟踪区更新(Tracking area update, TAU)和寻呼信令开销。在本地侧利用多目标粒子群优化算法实现TAL的最优分布,网络侧根据不同UE的移动特性来分配大小合适的TAL。通过仿真验证,所提方案可以在TAU和寻呼开销之间取得妥协,并在节省总位置管理开销方面得到了大幅度改善。