结合金字塔模型和随机森林的运动捕获序列语义标注

针对原始运动捕获数据结构复杂、语义模糊的问题,提出一种结合金字塔模型和随机森林的运动捕获序列语义标注方法.首先,利用概率主成分分析将运动序列划分为具有特定语义的运动片段.然后,将运动片段的欧拉角数据转换为人体各个关节点的三维空间位置坐标数据,统一骨骼长度,提取运动数据的2种互补性几何特征,并分别归一化.再次,运用傅里叶时间金字塔模型构建运动片段完整的时空特征.最后,利用已训练的随机森林分类器对各个运动片段进行标注.结果表明:该方法能够对具有不同语义的复杂运动序列进行有效标注,且可用于不同表演者,具有一定的实用性和通用性.     

基于概率矩阵分解的用户相似度计算方法及推荐应用

用户相似度计算的合理性直接影响到协同过滤推荐的效果。提出了一种基于时序行为关系的用户消费网络图构建方法,通过定义用户间非对称相似度计算方法,确定用户间的初始相似度矩阵,然后利用概率矩阵分解的方法重构用户的相似度矩阵,挖掘潜在的用户近邻,将近邻关系应用到目标用户的项目推荐中,同时提出了基于时序行为关系和矩阵分解的协同过滤推荐框架结构。在实际数据集上对具体参数进行实验,并和其他方法进行了比较。实验结果表明,该方法可以有效提高协同过滤推荐效果。     

融合多视角信任的个性化推荐算法

为了提高传统协同过滤推荐算法推荐的准确度,对评分信任和社交信任赋予自适应的权重,结合概率矩阵分解算法,提出一种综合的个性化推荐算法.该算法在Filmtrust数据集上进行验证,并与相关算法进行对比,结果表明所提算法在MAE(mean absolute error)和RMSE(root mean squared error)指标上均得到有效的改进.     

剪切型钢筋混凝土柱临界斜裂缝倾角的概率模型

对于剪切型钢筋混凝土(RC)柱,传统的确定性临界斜裂缝倾角模型难以有效考虑其材料参数、几何尺寸和边界约束条件等方面不确定性因素的影响,导致计算精度有限,且离散性较大。鉴于此,本文研究建立了剪切型RC柱临界斜裂缝倾角的概率模型。首先,基于变角桁架模型理论,建立了剪切型RC柱临界裂缝倾角的确定性模型;然后,考虑主观不确定性和客观不确定性因素的影响,结合贝叶斯理论和马尔可夫链蒙特卡洛(MCMC)法,建立了剪切型RC柱临界斜裂缝倾角的概率模型,并推导了均值和方差的解析表达式,从而能够合理描述临界斜裂缝倾角的概率分布特性;最后,利用试验数据对比验证了该模型的有效性,并校准了现有确定性模型的置信水平,进而确定了不同置信水平下剪切型RC柱临界斜裂缝倾角的概率特征值。     

基于半Markov决策过程的概率布尔网络模型

借助半Markov决策过程理论研究了概率布尔网络中的最优控制问题．将概率布尔网络的控制模型转化为首达目标的半Markov决策过程模型, 通过选取最优控制输入使得和系统相关的目标函数最小,从而解决了一个最优控制问题,并举例说明所用方法的效用．     

含风电场电力系统电压波动的随机潮流计算与分析

提出了用随机潮流计算分析风电场并网所引起的系统电压波动的方法.该方法全面考虑了风电场出力变化、负荷波动、发电机停运以及线路故障等随机因素,通过随机潮流计算求出风电场并网后系统各节点电压的概率分布,其中特别包括风电场接入点的电压波动情况.在此基础上,该方法可以对风电场的无功补偿进行进一步分析.此外还证明了用三参数的Weibull分布描述风速变化可以更好地反映高风速对风电机组输出功率的影响,对于常年风速较高的风电场更适合采用此分布描述.对接有风电场的IEEE RTS 24节点系统进行的算例分析证明了该方法的有效性,并通过实例说明了如何利用该方法指导对异步风力发电机的无功补偿.     

《现代归纳逻辑的哲学视野》述评

以对归纳概率的多元主义解释研究作为切入点,解析逻辑哲学的核心理念以及如何应用于非经典逻辑,尤其是现代归纳逻辑。与此同时,从特定角度对我国归纳逻辑梯队三代人的成长作了简要的历史性评述。     

软岩隧道挤压变形的概率模型

软岩隧道的挤压变形是深部高地应力区岩石地下工程中的主要地质灾害之一,对其发生的可能性及其分级的预测是工程建设中必须解决的重大问题。基于概率分析理论,通过研究挤压性围岩大变形破坏机理,建立了软岩隧道挤压变形发生的概率及挤压程度分级模型。影响挤压变形的两个主要因素是岩体单轴抗压强度σcm和初始垂直地应力P0,将强度应力比σcm／p0作为判别因子建立挤压变形概率模型。利用该模型对国内鸟鞘岭隧道工程挤压变形情况进行分析,结果与实际情况符合较好,说明该模型在研究隧道挤压变形发生的可能性及挤压程度分级中具有良好的实用性和有效性。     

Semi-supervised learning based probabilistic latent semantic analysis for automatic image annotation

In recent years, multimedia annotation problem has been attracting significant research attention in multimedia and computer vision areas, especially for automatic image annotation, whose purpose is to provide an efficient and effective searching environment for users to query their images more easily.In this paper, a semi-supervised learning based probabilistic latent semantic analysis ( PL-SA) model for automatic image annotation is presenred.Since it' s often hard to obtain or create la-beled images in large quantities while unlabeled ones are easier to collect, a transductive support vector machine ( TSVM) is exploited to enhance the quality of the training image data.Then, differ-ent image features with different magnitudes will result in different performance for automatic image annotation.To this end, a Gaussian normalization method is utilized to normalize different features extracted from effective image regions segmented by the normalized cuts algorithm so as to reserve the intrinsic content of images as complete as possible.Finally, a PLSA model with asymmetric mo-dalities is constructed based on the expectation maximization( EM) algorithm to predict a candidate set of annotations with confidence scores.Extensive experiments on the general-purpose Corel5k dataset demonstrate that the proposed model can significantly improve performance of traditional PL-SA for the task of automatic image annotation.     

模式识别中的图结构描述方法综述

从概率图、组合图、代数图和几何图等模型角度综述模式识别中图结构的描述.分别讲述每一类图模型的图结构构建形式和计算方式,回顾其起源,归纳其历史发展过程,分析其研究现状.其中,着重论述各类图模型描述的不同特点和潜在关系,剖析未来发展方向.引用基于图模型的模式识别发展史上具有代表性的论著,介绍引领方向的研究学者,旨在帮助读者理清图模型的发展脉络,把握其前沿动态.