遥感地表参数反演中的一种不确定性知识处理方法

在基于贝叶斯网络的遥感参数反演模型中引入虚拟节点,提出不确定性知识表示与知识更新方法,推导了遥感反演中的参数后验信息更新公式.用北京顺义遥感实验的多尺度数据对冬小麦的叶面积指数和叶绿素面质量进行反演计算,验证了多知识源反演过程中不确定性知识对参数后验分布概率的调整模式.     

定数截尾数据缺失场合下Weibull分布的Bayes统计分析

当寿命分布为Weibull分布时,本文给出了定数截尾数据缺失场合下各种参数的Bayes估计,并且给出了它们与极大似然估计的模拟比较.     

音频贝叶斯谐波模型中参数的提取

由于音乐信号具有暂态特性、夹杂噪声、且它的基频在频域上具有复杂的结构,因此分析音乐信号是一项复杂的工作.本文在分析音乐信号时引入了音频贝叶斯谐波模型,并在此基础上提出了一个基于贝叶斯谐波模型的简化模型,然后采用可逆跳转蒙特卡罗(RJMCMC)采样算法对此模型中基频参数和谐波幅度进行了估计,仿真结果表明该算法取得了较好的效果.     

An intercausal cancellation model for Bayesian-network engineering

When constructing Bayesian networks with domain experts, network engineers often use the noisy-OR model, and causal interaction models more generally, to alleviate the burden of probability elicitation: the use of such a model serves to reduce the number of probabilities to be elicited on the one hand, and on the other hand forestalls experts having to give assessments for probabilities with compound conditions which they feel are hard to envision. Recently, we have shown that ill-considered use of the noisy-OR model specifically can substantially decrease a network's performance, especially in domains in which causal mechanisms include cancellation effects. Motivated by this observation, we designed a new causal interaction model, with the same engineering advantages as the noisy-OR model, to describe such effects. We detail properties of our intercausal cancellation model, and compare it against existing causal interaction models. We further illustrate the application of our model in the real-world domain of pharmacology.     

Marginal filtering in large state spaces

Recognising everyday activities including information about the context requires to handle large state spaces. The usage of wearable sensors like six degree of freedom accelerometers increases complexity even more. Common approaches are unable to maintain an accurate belief state within such complex domains. We show how marginal filtering can overcome limitations of standard particle filtering and efficiently infer the context of actions. Symbolic models of human behaviour are used to recognise activities in two different settings with different state space sizes. Based on these scenarios we compare the marginal filter to the standard particle filter. An evaluation shows that the marginal filter performs comparably in small state spaces but outperforms the particle filter in large state spaces.     

一种基于凸壳的智能服务机器人路径规划算法

将一种基于凸壳的路径规划算法应用于体育场智能服务机器人,首先采用基于Haar特征分类器的方法确定球的坐标,采用基于颜色模型的方法确定机器人的位置及航向,并根据机器人的自身特点,将一定范围内的多个球视为一个目标点处理;然后以目标点坐标作为算法输入,采用基于凸壳的路径规划算法得到一条较优的捡球路径.该算法可以降低机器人的捡球运动代价,有效提高机器人的捡球效率.     

宽带认知无线电网络分布式协作压缩频谱感知算法

针对宽带认知无线电网络中压缩频谱感知算法在低信噪比环境下频谱检测性能下降的问题,提出了一种基于高斯过程的分布式压缩频谱感知(PBCS)算法.首先应用层次化的正态分布概率模型来表示压缩频谱的重构,然后各个认知无线电用户交换模型参数并结合本地的压缩采样数据进行压缩频谱感知.有别于其他直接融合频谱感知结果或检测数据的协作式算法,PBCS算法通过模型参数融合来进行协作,能有效减小信噪比低的协作用户的影响,从而提高算法的抗噪性.仿真结果表明,PBCS算法可以在-5dB的信噪比条件下达到检测概率大于0.9、误检概率为0.1的频谱检测性能.     

采用约束蚁群优化的贝叶斯网结构学习算法

针对贝叶斯网络结构学习问题,提出了一种约束蚁群优化算法.该算法根据贝叶斯得分的局部一致性原理设计了一种增边规则,并且将此规则引入蚁群算法的框架中,从而实现了在搜索过程中利用启发式信息动态缩减搜索空间、同时减少运行时间的目的.此外,还从理论上证明了增边规则的正确性,而且从实验角度讨论了约束蚁群优化算法的参数敏感性.实验结果表明,在解决较大规模的贝叶斯网络结构学习问题时,约束蚁群优化算法在保证求解精度的条件下比蚁群优化算法的运行时间减少40%以上.     

基于贝叶斯分析的道路交通系统可靠性模型

针对灾变事件下重大公路交通基础设施所在路网运营安全管理实时决策的需要,提出了基于贝叶斯分析的道路交通系统可靠性计算模型.以系统工程理论对道路交通系统进行建模和分类,以可靠性工程理论对道路交通系统可靠性的概念进行定义,并逐级建立4类道路交通系统的可靠性计算模型.为了满足路网交通系统可靠性模型的应用需要,引入贝叶斯网络理论...     

采用Haar小波与Gabor小波特征的级联式人脸检测方法

研究Gabor小波的构造及其特点,将其与AdaBoost算法相结合,优化原算法的性能.提取的Gabor特征对应到指定滤波器的指定采样点上,只需取这些指定采样点的一个领域内的图像与指定滤波器进行卷积,而不需要将整个图像与整个滤波器组进行卷积,可大大降低计算量提高运算速度.最后,通过算法对特征进行筛选,得到迭代误差率较低的...