基于DBN的无人驾驶多交互行为决策研究

本文针对基于静态贝叶斯网络的无人驾驶行为决策方法无法应用于真实的复杂多变的城区交互场景的问题,提出了一种基于增强利他主义的方法对交通参与者交互决策的博弈过程进行了优化,并利用最大信息系数对DBN的结构进行更新。基于Prescan与Matlab/Simulink对多交互行为决策模型进行在环仿真实验。实验结果表明本文提出的DBN无人车行为决策方法具有较好的场景适应性、准确性和鲁棒性。     

基于强化学习的无人驾驶车辆行为决策方法研究进展

行为决策系统能够综合环境及自车信息,使自动驾驶车辆产生安全合理的驾驶行为,是实现无人驾驶的核心.强化学习算法采用一种自监督学习的方式,使自动驾驶车辆的决策系统在与环境的交互过程中,通过不断改进自身策略自主学习到最优的决策模型,为构建有效的决策系统提供了方向.文中总结了近年来基于强化学习的行为决策方法在提高决策精度、提高...     

基于贝叶斯决策的超密集异构网络切换研究

针对移动用户在超密集异构网络中切换耗时和网络选择错误的问题,提出了一种基于区域感知的贝叶斯策略。首先根据用户在超密集异构网中的位置和用户实际接收到的RSS,计算用户接入区域中的各基站的概率。其次,结合最大似然估计计算移动用户在各基站覆盖下切换的概率。再次,根据贝叶斯定理计算各基站的贝叶斯概率。最后,选择贝叶斯概率最大的基站作为移动用户切换的目标基站,从而实现用户的无缝接入。仿真结果证明,提出的基于区域感知的贝叶斯切换策略能够很好地解决超密集异构网络切换时的网络选择不正确和耗时的问题。     

贝叶斯网络模型在供应链库存决策中的仿真分析

近年来频繁出现的各种不确定因素影响了人类的生产生活,针对如何确保人们正常生产生活,解决各种供应链中的不确定问题,有不少人员进行了研究,取得了一定成效。贝叶斯网络是很好的解决不确定问题的工具,在诸多不确定问题解决中得到较好的应用,在企业供应链和库存领域的决策中也得到应用,该文采用贝叶斯网络模型进行了仿真分析,使供应链决策不确定性问题得到解决。     

遥感数据的贝叶斯网络分类研究

由于遥感成像过程的复杂性,遥感数据中包含了一定程度的不确定性因素。利用最大似然分类器处理遥感数据时分类精度受一定的影响, 为了提高分类精度往往需要引入先验知识。贝叶斯网络是一个带有概率注释的有向无环图,可以动态地对先验概率密度修正,提高分类精度,也没有严格的数据正态分布前提要求,适合处理不完整复杂的数据。该文介绍了利用贝叶斯网络对遥感数据进行分类处理的算法和技术过程。分类结果表明：贝叶斯网络具有稳定的数学基础,是一种可供遥感信息处理领域利用的有效新方法。     

基于贝叶斯网络工具箱的贝叶斯学习和推理

采用MATLAB语言编制的贝叶斯网络工具箱(Bayesian Networks Toolbox,BNT)可实现贝叶斯网络结构学习、参数学习、推理和构建贝叶斯分类器,此工具箱在贝叶斯学习编程方面非常灵活.介绍了用贝叶斯网络工具箱解决贝叶斯学习和推理问题,并给出了两个实例.     

基于多观察层次动态贝叶斯网络的视频行为分析

为了分析视频监控中行人和车辆的行为,本文提出了一种多观察层次动态贝叶斯网络模型。首先,行人和车辆的行为用静态、动态及相互关系特征来表示。然后将其作为模型的输入,通过网络提取和分析目标的行为及其相互关系。同时,本文设计了一个简单的模型选择准则,从候选模型池中选择适合当前场景的模型来减小计算复杂度。实验结果表明本文提出的方法能有效的分析视频监控场景中行人和车辆的行为。     

生物缺失数据处理的贝叶斯模型研究

文章针对生物信息实验中的分类预测问题,以属性缺失数据为对象,结合朴素贝叶斯算法的特点,设计了一种基于改进EM算法的缺失数据朴素贝叶斯填充模型,并应用于蛋白质作用位点的定位研究中.实验结果表明,通过算法进行生物缺失数据的处理,在准确率、精度、召回率、ROC方面均获得了比其他方法更好的效果.     

多网络共存下基于贝叶斯的垂直切换算法

针对目前的垂直切换技术普遍不能满足多网络下的切换问题,提出了一种改进的基于贝叶斯决策的垂直切换算法。首先根据接入终端网络的信号强度、网络负载、误码率和网络阻塞率以及用户业务对网络的实际需求偏好建立多条件相关的切换概率分布,计算出先验切换概率;然后通过贝叶斯决策算法计算出后验概率来进行判决比较,从而选取最优的接入网络。仿真结果表明,该算法不仅能有效地实现不同接入技术之间的垂直切换,从而减少不必要的切换,提高了切换成功的概率,而且还能在维持各网络平均负载达到30%~40%时减轻通信热点的阻塞情况,为用户提供更优的服务质量。     

基于区域感知贝叶斯决策的5G超密集异构网络联合垂直切换技术研究

针对无线通信异构网络切换中最优接入网的选择问题,现有研究主要集中于解决在两个网络间选择切换,而对于未来5G（5th Generation）通信系统中超密集网络的切换问题研究较少.本文就研究了5G无线通信系统中超密集异构网络的选择切换.文中提出了一种基于区域感知贝叶斯决策的联合垂直切换方式,该方案通过选择超密集异构接入网络的最优切换概率从而解决超密集网络切换问题.通过对移动用户（mobile station）从宏基站进入超密集服务小区,以及在小区内和小区间移动的不同场景进行仿真分析,研究结果表明本文决策方式能够准确地选择要切换的网络,因而该方案能够适用于超密集网络的应用场景.     

基于红外与雷达的夜间无人车驾驶决策方法

速度与方向的决策建议是夜间无人车驾驶研究的关键,针对夜间无人车速度与方向决策,基于红外图像与雷达信息,提出了一种包含深度信息的红外图像多任务分类网络用来给出速度与方向决策.通过红外摄像头及雷达采集的数据训练深度网络,其中雷达采集的深度图像作为训练标签,采用卷积-反卷积神经网络来进行红外图像的深度估计,进而获得深度信息.利用深度信息制作分类网络训练标签,通过AlexNet分类网络得到速度决策建议.再根据红外图像的道路信息训练方向分类网络,将无人车的驾驶决策问题转化为分类模型,并将分类模型与深度估计网络相结合.实验结果表明,网络的角度准确率及速度准确率分别为87.43%和85.89%,并且利用训练得到的模型对图像进行决策的时间为0.04 s/帧,能够达到实时性的要求。     

数据挖掘分类技术研究与分析

分类技术是数据挖掘中的核心和基础技术,在此就数据挖掘分类技术的主要算法进行了对比分析研究。对目前研究比较多的基于决策树、贝叶斯和人工神经网络的分类方法做了详细的讨论,对其他新提出的几种算法做了简要分析,论述了每种分类算法的优缺点,并给出了相应的应用领域,最后对分类技术的研究重点和发展趋势做了展望。     

Driving behavior recognition and prediction based on Bayesian model

Since the existing intelligent driving systems are lack of efficiency and accuracy when processing huge number of driving data,a brand new approach of processing driving data was developed to identify and predicate human driving behavior based on Bayesian model.The approach was proposed to take two steps to deduce the specific driving behavior from driving data correspondingly without any supervision,the first step being using Bayesian model segmentation algorithm to divide driving data that inertial sensor collected into near-linear segments with the help of Bayesian model segmentation algorithm,and the second step being using extended LDA model to aggregate those linear segments into specific driving behavior (such as braking,turning,acceleration and coasting).Both offline and online experiments are conducted to verify this approach and it turns out that approach has higher efficiency and recognition accuracy when dealing with numerous driving data.     

基于决策树算法的无线参数优化方法

本文针对大规模无线参数历史数据,以自学习的数据挖掘方法建立决策树智能分析模型,并对现网数据实现联机分析处理,是一种智能的主动发现无线参数配置问题的算法模型。     

基于决策树的数据挖掘在电信CRM中应用研究

针对电信CRM中“数据丰富但知识贫乏”现象，提出数据挖掘技术，利用SUQ决策树构造算法建立一棵决策树模型，在CRM中根据客户的年龄、所属城市和性别对客户分类，预测客户类型，防止用户流失，争取新用户具有重要意义。     

数据预处理与决策树在客户行为分析中的应用

决策树算法是数据挖掘中的一种重要算法,介绍了决策树的构建过程中数据预处理方法及决策树构造方法与步骤.数据预处理是为了提高数据挖掘对象的质量,主要包括数据清洗、数据集成与数据消减.数据预处理之后,在训练样本集的基础上,通过选择适当的属性做为树根、子树根,不断重复,基于剪枝方法,最终建立了经过优化的决策树.     

无人机自组网技术综述与发展展望

无人机自组网(Unmanned Aerial Vehicle Ad Hoc Network,UAVANET)主要应用于现代数字科技战场,具备传统无线自组织网络的快速组网、多跳传输和多任务协作等特点,同时拥有更高的抗毁性.无人机自组网能确保网络运行的灵活性和顽健性,但是在实际组网过程中,网络结构和组网方式的不同对作战能力...     

基于决策树算法的信息系统数据挖掘研究

为了提高数据挖掘准确性和效率,文中提出了基于决策树算法的信息系统数据挖掘方法.以C4.5决策树算法计算属性的信息增益率和属性值的信息熵为基础,提出基于余弦相似度改进的C4.5决策树算法,若任意两个属性值的信息熵之差在阈值范围内,通过计算其余弦相似度合并在阈值范围内的属性值,并重新计算合并后属性的信息增益率,实现信息系统...     

基于贝叶斯网络的移动业务客户流失预测研究

准确的客户流失预测能够使移动业务针对特定用户需求和消费水平进行差异化服务.本文提出了一种基于贝叶斯网络的客户流失预测模型,根据案例分析的结果识别客广1离网倾向原因,寻找具有高离网倾向的客户群,通过分类的特征分析,得出客户流失规则,并验证模型的有效性.     

基于驾驶数据的主动安全预警系统设计

随着人们生活水平的提高,车辆的安全性越来越成为人们共同追求和关注的焦点.在"人-车-路-环境"的交通系统中以信息技术为主导的车辆主动安全预警系统是解决车辆驾驶安全问题的最佳方法.文章基于驾驶数据得到驾驶人驾驶风险评估,依据峰值触发系统报警,有效保障了车辆全过程安全行驶,避免交通事故发生.