考虑数据异质性的贝叶斯混合回归退化建模

针对退化数据的异质性问题,提出基于随机效应混合回归的贝叶斯退化建模与剩余使用寿命预测方法.通过模型随机参数的混合概率分布描述异质性退化数据的统计特征,并利用分层先验和Gibbs算法进行贝叶斯参数估计.进而,将随机参数的贝叶斯估计作为有信息先验,利用在线观测数据进行贝叶斯参数更新和剩余使用寿命估计.通过涡轮发动机退化数据验证了所提方法的剩余使用寿命预测性能.实验结果表明,考虑了异质性影响的贝叶斯混合回归退化建模方法,能更好地刻画设备个体的退化特征,提高了预测准确度.     

基于贝叶斯网络推理的道路网络级联失效仿真

针对道路网络级联失效与其它复杂网络相比具有的特殊性,基于贝叶斯网络推理,融合驾驶者出行先验及出行信息,研究了道路网络级联失效的演变机理及演变过程.编制MATLAB程序生成基于道路网络的贝叶斯网络结构,根据贝叶斯网络参数学习 MATLAB程序,学习了驾驶者感知路段属性变化;给出了仿真算法,仿真了贝叶斯网络推理中不同出行先验权重,以及出行信息量对道路网络属性及级联失效的影响.结果表明,贝叶斯网络推理可以较好地反映驾驶者出行路段选择对道路网络级联失效的定量影响,为研究道路网络级联失效提供了新的研究思路和方法.     

基于贝叶斯网络的工程项目质量风险管理

提出基于贝叶斯网络的工程项目质量风险管理.首先,对工程质量形成过程中的风险因素进行识别,其次进行风险分析确定主要风险因素,构建贝叶斯网络结构.依据问卷调查中得到的数据和专家经验确定贝叶斯网络中的参数,以此为基础对工程项目质量进行风险评估、风险诊断,分析确定影响工程质量的关键风险因素.最后,依据分析得到的结果进行风险控制.     

两个轴辐式网络协同建设的多层编码遗传算法

为了降低物流网络的建设成本投入，充分利用物流资源，提出轴辐式网络间的协同建设. 同时建设两个轴辐式物流网络，一个轴辐式网络为自己网络中的每一个枢纽从另一个轴辐式网络中选择一组协作枢纽，两个网络可以共同使用协作枢纽. 目标是使两个轴辐式网络的建设成本和它们之间的协作成本总和最小. 首先，运用混合整数规划模型描述所研究的问题；其次，根据问题的复杂度，设计了多层编码的遗传算法来解决问题，一条染色体分别表示了两个轴辐式网络；最后，在算例中进行了参数敏感性分析，分析参数对各部分成本和物流网络结构及协作枢纽的影响. 分析结果表明:在两个网络的协同建设中，一个网络中转移到另一个网络的流量大小对两个网络各自的网络结构和构建成本具有显著的影响；协同建设能够同时系统化地优化两个轴辐式网络，降低成本，整合物流资源.      

一种半监督的汉语词义消歧方法

为了解决自然语言处理领域中的一词多义问题,本文提出了一种利用多种语言学知识和词义消歧模型的半监督消歧方法. 首先,以歧义词汇左、右邻接词单元的词形、词性和译文作为消歧特征,来构建贝叶斯 （Bayes） 词义分类器,并以歧义词汇左、右邻接词单元的词形和词性作为消歧特征,来构建最大熵 （maximum entropy,ME） 词义分类器;其次,采用Co-Training算法并结合大量无标注语料来优化词义消歧模型;再次,进行了优化实验,在实验中,使用SemEval-2007:Task#5的训练语料和哈尔滨工业大学的无标注语料来优化贝叶斯分类器和最大熵分类器;最后,对优化后的词义消歧模型进行测试. 测试结果表明:与基于支持向量机 （support vector machine,SVM） 的词义消歧方法相比,本文所提出方法的消歧准确率提高了0.9%. 词义消歧的性能有所提高.      

基于FOA优化贝叶斯网络的高速公路机电故障预测研究

利用果蝇优化算法的快速搜索能力和全局最优能力,结合贝叶斯网络的结构特点,运用果蝇优化算法优化贝叶斯网络结构,提出一种基于果蝇优化算法优化贝叶斯网络的高速公路机电设备故障预测研究。     

基于粗糙集和贝叶斯分类器的病毒程序检测

在病毒程序检测中将粗糙集与贝叶斯分类器相结合．该方法在粗糙集属性约简的基础上，综合考虑了条件属性和决策属性的依赖性以及条件属性间的依赖性对约简的影响．通过基于依赖性的属性约简，减少对属性变量间独立性的限制，发挥贝叶斯分类器的鲁棒性潜能，优化贝叶斯分类器的特性．实验结果表明，检测率达到97．88％，正确率为97．16％，明显高于传统的基于特征和RIPPER的方法，也高于多贝叶斯方法；虚警率为5．19％，也比上述所有方法均有所降低．     

基于交叉组合重采样的拥挤识别方法

针对拥挤数据分布不平衡问题,提出了一种新的重采样方法———交叉组合重采样法。该方法是将随机向下采样法与 smote法相结合,对原始数据进行交叉采样,以减少采样法对原始数据的非均匀性破坏。通过仿真,得到比例为1∶10.1的非拥挤数据和拥挤数据原始样本。根据实际情况,通过交叉采样法,分别得到类比例为1∶5,1∶3以及1∶1的数据集,并对3种情况下的分类结果进行对比分析。选择朴素贝叶斯分类器、贝叶斯网络分类器及神经网络分类器,在不同比例数据集下,针对交叉组合重采样法和一般组合重采样法进行对比实验。实验结果证明：交叉组合重采样法能够更好地解决拥挤数据不平衡给分类器带来的问题。     

基于特征多视图提升Naive Bayesian的Boosting改进算法

AdaBoost作为一种有效的集成学习方法,能够明显提高不稳定学习算法的分类正确率,但对稳定的Naive Bayesian分类算法的提升效果却不明显．为此,利用多种特征评估函数建立不同的特征视图,生成多个有差畀的加权朴素贝叶斯（WNB）基分类器;尝试使用几种不同的方式将样本权重嵌入WNB基分类器的参数中,对WNB产生扰动,进一步增加基分类器的不稳定性．实验结果表明．对比AdaBoost所提算法．BoostMV-WNB能够明显提升WNB文本分类器的性能．     

基于贝叶斯网络的车辆换道模型

车辆换道行为是微观交通流中最基本的驾驶行为之一,研究车辆换道行为可以提高车辆换道模型的仿真精度和减少由不合适的车辆换道行为引发的交通事故.当前车辆换道模型大多是基于驾驶员的决策思维方式建立的决策模型,这类模型的缺点是很难捕捉到驾驶员在决策过程中一些潜在决策模式和考虑的影响因素.鉴于此,本文引入了一种典型的人工智能方法--贝叶斯网络,建立了一个全新的车辆换道模型,试图通过机器学习的途径来提高车辆换道模型的精度.采用了分段离散化的方法对数据进行预处理,然后使用处理后的数据对贝叶斯网络的结构和参数进行学习,并分别建立了与两种贝叶斯网络结构相对应的车辆换道模型,最后对建立的模型分别进行验证.模型的验证结果表明,建立的基于贝叶斯网络的车辆换道模型对换道行为的识别率可以达到88%以上. 此模型还可进一步应用到驾驶员辅助系统的开发中.     

An information-based color feature representation and its application in detecting adult images

For many image classification tasks, color histogram is usually employed as an important “signature” to describe the color distribution of the image and infer the image content. However, most traditional color histograms cannot achieve satisfactory results in many image classification systems. In order to improve the accuracy and reduce the computational complexity of the classification task, an information-based color feature representation is proposed in this paper. The mutual information between the feature and the class label is adopted to evaluate the discriminative power of the feature. A novel quantization scheme is presented, which removes the redundant color components and combines the adjacent components together to generate a new feature to maximize the discriminative ability. An iterative algorithm is performed to derive the color space quantization and color feature generation. In order to illustrate the effectiveness of the proposed color representation, a specific image classification task, i.e., differentiating the adult images from benign ones, is employed. Experimental results show that our color feature achieves better classification performance and better efficiency compared with the traditional color histogram.     

基于层次集成学习的高光谱图像分类

为提高高光谱图像（HSI）分类精度,基于集成学习方法提出高光谱图像分类的层次集成学习新框架。采用两种集成学习策略：外部集成及内部集成。在外部集成阶段,构造多种高光谱图像的光谱和空间特征,使外部集成呈高度多样性,有利于提高分类精度;内部集成阶段,针对关联多特征集中的个体,Adaboost算法实现个体分类性能的提高。两组高光谱数据的实验结果表明,与原始的Adaboost和单分类器相比较,该方法在整体精度方面有更好的性能。     

一个基于段的体涂塑切割算法

在三维图象重建中采和对象段数据结构，可以使体数据集占用的存储空间显著减少。针对这种数据结构，本文提出一种段切割（ＳＥＧＭＥＮＴ－ＣＵＴ）算法，可以实现对体数据集进行任意复杂形状的切割。这种算法基于一个由切割段表达的切割查找表，避免了对切割边界面的冗余计算，并且直接在涂塑过程中调用。     

基于ART半监督在线学习的文档分类

根据自适应谐振理论提出了半监督学习自适应谐振理论系统．在该系统中取消了一般半监督学习算法中假定已知数据概率分布的条件限制，利用自适应谐振理论的稳定性和可塑性，使其具有非常强的学习新模式和纠正错误能力．为了提高系统自适应性能力，将警戒参数设置为动态变化。实验结果表明半监督学习自适应谐振理论系统的性能优于判别式CEM算法，特别是在含有噪音和新模式数据情况下，其优势更为明显。     

基于半监督学习的SVM-KNN

提出一种新的基于半监督的SVM—KNN分类方法,当可用的训练样本较少时,使用SVM进行分类,不能得到准确的分类边界,本文采用半监督学习策略从大量未标记样本中提取边界向量来改善SVM-KNN分类器的引进不仅扩充了SVM的训练样本数目,而且优化了迭代过程中训练样本的标记质量,可不断修复SVM的分类边界．实验结果表明,所提出的方法能提高SVM算法的分类精度,通过调整参数能够获得更好的分类效果,同时也减小了标记大量未标记样本的代价．     

高职学生《高等数学》学习现状研究及其对策——以本院学生为例

通过调查问卷的方式,以本院学生为例,分析了高职学生《高等数学》学习态度和学习策略的现状。从问卷的描述性统计分析结果看,学生学习《高等数学》课程目的不明确,部分同学学习兴趣不高,某些学习策略有待改善。针对这些问题,从学生正确认识《高等数学》的作用、激发学生的学习兴趣、引导学生使用正确的学习策略和关注《高等数学》教学改革四个方面提出了对策,以待提高学生的学习效果。     

层次极限学习机用于高光谱图像预测绝缘子污秽度

高光谱图像具有图谱合一、光谱范围广及分辨率高等优势，能精细化地反映物质微观特性. 为此，引入高光谱成像技术以非接触式预测绝缘子污秽度. 考虑到极限学习机具有学习效率高和泛化能力强等优点，提出基于正则化约束极限学习机的绝缘子污秽度预测（extreme learning machine-insulator pollution degree prediction，ELM-IPDP）模型. 此外，为进一步提升预测性能，引入层次极限学习机从复杂的高光谱图像中学习出有效、抽象、判决性特征表示，继而建立基于层次极限学习机的绝缘子污秽度预测（hierarchical ELM-IPDP，HELM-IPDP）模型. 在不同的训练集与测试集比例和不同隐含层神经元个数的情况下分别进行实验，从实验结果可知:ELM-IPDP模型和HELM-IPDP模型的预测性能基本上随着隐含层神经元个数和训练样本的增加而不断提高；当训练集与测试集比例为9∶1时，ELM-IPDP模型的均方根误差和相关系数分别为0.040 3和0.944 7，而HELM-IPDP模型的均方根误差和相关系数分别提升到0.022 3和0.972 0.      

Range profile target recognition using sparse representation based on feature space

A novel method is presented to improve the recognition rate of warhead in this paper. Firstly, a tool for electromagnetic calculation, like CST Microwave Studio, is used to simulate the frequency response of the electromagnetic scattering. Secondly, the echo and further the range profile are acquired from the frequency response by further processing. Thirdly, a set of discriminative features is extracted from the range profiles of the target. Fourthly, these features are used to construct a dictionary for the sparse representation classifier. Finally, the sample of the target can be classified by solving the sparsest coefficients. Since the reconstruction result is determined by a linear combination of the training samples, this method has a good robustness for the variable features. By formulating the problem within a feature-based sparse representation framework, the presented method combines the discriminative features of each sample during the sparse recovery process rather than in a postprocessing manner. Moreover, based on the feature representation space rather than a single feature or image pixel, the constructed dictionary exhibits both strong expressive and discriminative powers that can enhance the classification performance of the test sample. A series of test results based on the simulated data demonstrates the effectiveness of our method.     

大班英语教学模式与策略探讨

大班教学已成为国内大学英语教学的普遍现象。因此,培养学生的学习策略在大班英语学习中起着非常重要的作用。重视学生英语学习策略的培养是每一位英语教学者的责任。本文欲从英语学习策略在英语课堂教学中对学生的培养和实际运用,旨在探索在目前条件下,通过有效的学习策略的培养,促进英语教学。     

高职学生英语口语策略使用调查

文中报告了对广州民航职业技术学院一年级三个专业238名学生的口语学习策略使用情况的调查。调查结果显示，学生英语口语学习策略的总体使用频率偏中上，其中补偿策略、记忆策略和情感策略使用频率较高；善学者与不善学者在各项策略使用方面存在显著性差异；男生与女生在口语补偿策略的使用上有显著性差异。