基于贝叶斯的大数据模型在大气污染成因分析中的应用

提出了一种基于多维高斯贝叶斯分类算法的复杂系统影响因素的分析方法,并利用大数据方法建立了不同PM_2.5范围的分类模型,结合马氏距离开展了影响因素的关键性分析。以合肥市2013―2018年间的天气与空气质量数据为基础,筛选了PM₁₀、SO₂、NO₂、CO、O₃等8个大气污染的关键影响因素,采用散点矩阵对PM_2.5与这些影响因素的相关性进行了分析。利用高斯贝叶斯分类器建立了基于8个主要参量的PM_2.5大气污染分析模型,研究发现,PM_2.5与CO浓度具有较强的正相关性,对NO₂具有选择性,与O₃具有负相关性,而CO与SO₂对PM2.5的产生存在某种竞争机制。     

时变偏微分方程的贝叶斯稀疏识别方法

在数据驱动的建模中,通过测量或模拟得到时空数据,我们发现基于拉普拉斯先验的贝叶斯稀疏识别方法能有效地恢复时变偏微分方程的稀疏系数.本文将贝叶斯稀疏识别方法运用于各种时变偏微分方程模型(KdV方程、Burgers方程、Kuramoto-Sivashinsky方程、反应-扩散方程、非线性薛定谔方程和纳维-斯托克斯方程)的方...     

基于云服务的恶意内容检测方法研究

云服务的文件存储存在“后门”攻击,以混淆用户视听,窃取用户隐私。现有的检测方法单一且需要更多的运行内存,因此文章提出通过使用AC自动机算法和朴素贝叶斯算法,快速精准地识别文本内容,利用scikit-learn机器学习库对图片内容进行甄别,且调用VirusTotal的API检测恶意文件,实验结果表明该检测方法在识别恶意内容的准确率上达到96.2%、可对海量数据进行实时检测,优于其他检测方法。     

基于贝叶斯算法的中文新闻标题分类研究

是对消息的一种高度概括,因此,如何有效地对摘要进行快速、准确的识别,是当前中文摘要识别领域的一个重要课题。文章提出TF-IDF和贝叶斯算法相结合的新闻分类方法,通过TF-IDF算法提取短文文本中的特征词集合,捕捉短文文本表达的语义,并计算出相应的TF-IDF值,将TF-IDF值形成特征向量作为贝叶斯算法的输入来实现新闻文本分类,最后根据错误率对预测结果进行评价。试验结果表明,该方法可以将贝叶斯方法与TF-IDF相结合,实现对信息的快速分类。     

贝叶斯优化卷积神经网络公共场所异常声识别*

针对公共场所异常声的感知和识别问题,提出一种基于贝叶斯优化卷积神经网络的识别方法。提取声信号的Gammatone倒谱系数、倍频程功率谱、短时能量和谱质心,组合成声信号的特征图。构建卷积神经网络作为分类器,利用递增的卷积核设置和池化操作处理不同尺度的特征。基于贝叶斯优化算法优化卷积神经网络的模型参数,对包括火苗噼啪声、婴儿啼哭声、烟花燃放声、玻璃破碎声和警报声的5种公共场所异常声进行识别。该方法的识别结果与基于不同的特征提取和分类器方案得到的识别结果进行比较,结果表明该方法的识别效果优于其他特征提取和分类器方案的识别效果。最后分析了该方法在不同信噪比噪声干扰下的识别结果,验证了该方法的有效性。     

基于贝叶斯网络的船舶港口国监督检查滞留风险研究

针对港口国监督(Port State Control, PSC)检查的复杂性和不确定性, 基于贝叶斯网络理论构建船舶PSC检查滞留风险分析模型. 以东京备忘录(Tokyo MOU)中2014~2017年船舶PSC检查样本数据为基础, 运用R语言bnlearn包进行贝叶斯网络的结构及参数学习. 同时分别执行贝叶斯网络的正向、逆向推理, 定量表示各风险因素与滞留结果之间的相互作用关系, 找出导致船舶滞留的高风险因素, 实现不确定环境下船舶PSC检查滞留风险的全面动态分析. 实证表明, 模型具有较高的精确度, 可为检查人员的滞留决策及航运公司的安全风险管理提供有效依据.     

基于显示连通贝叶斯网络的机场塔台地震易损性分析

将基于性能的多维易损性分析方法,结合显示连通贝叶斯网络,应用于机场塔台的多维易损性分析。考虑地震激励的不确定性,通过非线性时程分析获得结构响应数据;将塔台结构分为三个层次,每个层次按包含的层数分为相应的子层次。根据功能特性确定子层次的评价指标和极限状态,建立服从多元对数正态分布的概率地震需求模型;考虑各种极限状态之间的相关性,建立极限状态方程,确定失效域,通过蒙特卡洛法求得构件的超越概率;建立塔台结构的显示连通贝叶斯网络模型,利用层次分析法获得中间节点的条件概率表,利用MATLAB进行贝叶斯网络的推理计算,实现从单一层次的易损性到整体易损性的推理。     

公共安全视域下精神药物光谱学无损分类

该文对苯二氮类和吩噻嗪类镇静安眠药样品的红外光谱数据进行采集,构建了不同数据分类模型并对比了不同波段光谱数据集对其分析准确率的影响。结果表明,借助贝叶斯判别分析的基于全波段数据集的二阶导数模型分类效果优于其他单一模型,对于苯二氮类和吩噻嗪类两个不同类型精神药物的总体分类准确率达92.7%。借助贝叶斯判别分析的基于全波段和指纹区融合数据集的二阶导数融合模型分类效果最佳,对苯二氮类和吩噻嗪类两个不同类型精神药物的总体分类准确率达到100%;对苯二氮类和吩噻嗪类中不同种类精神药物的总体分类准确率则分别达到96.7%和100%。该研究实现了不同类型及同一类型不同种类镇静安眠药的快速准确定性分析,为此类管制类药物走私案件的准确定性提供了一定的技术支持。     

基于贝叶斯参数优化的无模型自适应硅单晶直径控制

直拉硅单晶的生长过程涉及多场多相耦合与复杂的物理化学变化,其中工艺参数的波动是导致晶体直径不均匀的重要原因,如何实现工艺参数的控制以获得理想的、均匀的晶体直径具有重要的研究意义。本文分析现有控制方法存在不稳定以及控制效果不佳的问题后,提出基于贝叶斯参数优化的无模型自适应控制模型来控制硅单晶生长过程中的晶体直径。首先以坩埚上升速度与加热器的功率作为控制输入参数,晶体直径作为输出,搭建无模型自适应控制模型,并分析算法的稳定性。其次将控制模型进行仿真实验,发现硅单晶直径控制模型中不同的超参数设定会影响控制过程的迭代次数以及控制效果。最后,利用贝叶斯优化超参数的取值范围,并进行最终的仿真实验,结果表明,经贝叶斯参数优化后的控制模型计算快、迭代次数少,输出的晶体直径稳定,同时将生长工艺参数控制在实际生产要求范围内。因此,基于贝叶斯参数优化的无模型自适应控制实现了硅单晶直径均匀稳定的有效控制,具有结合工程背景的实际应用前景。     

混合帝国竞争算法求解带多行程批量配送的多工厂集成调度问题

针对供应链中一类广泛存在的带多行程批量配送的多工厂集成调度问题（Multi-Factory Integrated Scheduling Problem with Multi-Trip Batch Delivery,MFISP＿MTBD）,建立其数学模型并提出基于贝叶斯统计推断的混合帝国竞争算法（Hybrid Bayesian statistical inference-based Imperialist Competitive Algorithm,HBICA）进行求解.根据MFISP＿MTBD问题特性,结合多行程标签机制设计新型编解码策略,并基于该策略构造新型启发式规则以提高初始解的质量.为有效保留优质解的模式信息,采用贝叶斯概率模型学习机制替换标准帝国竞争算法中的同化机制.为更加明确地引导搜索方向,算法每代均利用各帝国中的精英国家（即精英解或个体）重构贝叶斯概率模型,进而对其采样生成新种群.利用9种有效邻域操作动态构造各帝国中每个国家的局部搜索,并对由各帝国内部相邻国家间竞争所确定的强势国家（即获胜国）执行其局部搜索,进而对各帝国中的殖民国家（即该帝国内的最强国家）依次执行所有弱势国...