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．     

诱导信息下的路径选择行为模型

本文为诱导信息下的驾驶员路径选择行为提出了一种基于决策场理论和贝叶斯理论的推理、预测、判断和路径选择决策的交互仿真模型. 首先,由贝叶斯推理理论建立诱导信息和以往出行经验共同作用下的路况动态更新模型;进而将其与基于决策场理论的动态路径选择模型相结合,构成诱导信息下的路径选择行为交互模型. 通过诱导信息下的路径选择行为动态模拟,获取诱导信息对路径选择行为的量化影响效能值. 仿真分析显示,诱导信息可信度、出行经验、路径固有偏好、决策速度/质量和路线选择标准是影响驾驶员对诱导信息做出响应的关键因素. 分析结果表明,决策场理论与贝叶斯理论相结合能较好地解释驾驶员路径选择行为的动态特性.     

主观贝叶斯方法在列车占用丢失报警原因分析中的应用

根据铁总公司要求,TDCS/CTC系统增加列车占用丢失报警功能,为保证列车运行安全、提高列车运行效率,在发生列车占用丢失报警时,需要及时且准确地判定报警原因.主观贝叶斯方法是一种概率推理方法,能从不完全、不精确或不确定的知识和信息中做出推理.列车占用丢失报警原因分析具有现象与原因的不确定性.本文将主观贝叶斯方法引入列车占用丢失报警原因分析中.最后利用大量算例进行验证,验证结果表明了该方法的合理性和实用性.     

基于改进SBELM的耦合故障诊断方法

为了对主减速器的耦合故障进行识别,通过对振动信号经过集成经验模态分解(ensemble empirical mode decomposition, EEMD)所获得的高频分量采用自适应阈值降噪和对低频分量采用区间阈值降噪,有效去除了信号噪声,创建了配对多标签分类策略(paired multi-label classification,PMLC).基于PMLC和稀疏贝叶斯极限学习机(sparse Bayesian extreme learning machine, SBELM)用单故障样本构造概率分类器集,再采用网格搜索方法生成最优决策阈值,将分类器集的概率输出转换为耦合故障模式,提出了基于自适应区间阈值降噪和SBELM的耦合故障诊断方法,并用主减速器的实际样本集验证了该方法的性能.研究结果表明:该方法的诊断精确度达到96.1%,比基于PNN(probability neural networks)和SVM(support vector machine)的诊断方法提高了5%;该方法的训练时间和执行时间为131.4和61.3 ms,比基于SVM的诊断方法减少了70%.      

基于贝叶斯决策的航空影像自动配准

为消除像点投影差对航空影像目标监测中影像配准的影响,提出了一种基于贝叶斯决策理论的像点投影差消除方法.该方法通过推导分析像点投影差的分布规律及其对影像配准的影响,设置训练样本区,提取大量特征匹配对,计算得到投影差分布参数,并基于贝叶斯决策理论构建了像点投影差消除准则.为验证其有效性,选用KIT AIS影像数据进行了实验,比较分析了投影差消除前后的配准影像结果.分析结果显示,消除后差分视觉效果得到改善,信息熵减小10%,表明本文方法可有效提高航空影像配准的精度.      

考虑周期性波动因素的中长期空中交通流量预测

为准确把握空域单元交通流量的变化趋势和周期性波动规律,综合考虑气候、季节、交通需求等因素,通过分析中长期历史流量数据,在线性增长模型的基础上,建立了考虑周期性波动因素的空中交通流量动态线性改进模型,采用贝叶斯状态估计和预测方法对模型进行求解,提出了一种根据空域单元流量时序数据预测中长期流量及其变化趋势的预测方法.利用国内典型空域单元实际流量数据,对比分析了上述两种模型的预测性能.实例研究表明:与线性增长模型的预测结果相比,本文模型的流量预测结果更符合我国的实际情况,反映了流量周期性波动特点,年流量预测结果的平均绝对误差从3.14%下降到了1.71%,预测误差的标准差从2.01%下降到了0.02%.      

一种基于激光与视频信息时空数据融合的行人检测方法

针对城市交通行人安全问题,本文提出了一种基于激光与视频数据融合的行人检测方法.通过激光与视频数据空间和时间上的融合,将激光数据映射到图像坐标;在激光聚类过程中,采用K-means 聚类算法对激光云点进行聚类分析,然后运用行人宽度模型提取候选行人区域;在基于图像的行人检测过程中,选取头肩、躯干以及腿部人体特征部位,采用Haar-like 特征集和Boosting 算法进行训练,得到部位检测器;最后,基于贝叶斯决策的组合策略对候选行人区域进行有效判定.实验结果表明,本文所述算法有较好的检测精度和实时性能.     

舰船初步设计的贝叶斯与神经网络

为了便于在初步设计时确定船舶的主尺度，给出船型及若干其他参数，利用输出剩余尺度的估算值工具就很方便。要建立这样一种工具，需要拥有一个大约87000艘船的特征数据库，并需要运用不同的经验公式推导方法。为了发挥这些数据的作用，进行了回归分析，而且还采用这些数据弄清贝叶斯网络和神经网络编码的特性之间的关系。根据这些实例，在精度和使用的局限性方面对这些方法进行评估。对不同的船型，这些方法提供了不同的船长、船宽、型深、吃水、航速、排水量、方形系数、载重量之间关系的信息。在选择初步的主要特征时，这样的工具对船舶设计人员来说是很有用的。     

基于贝叶斯智能学习OD矩阵估计与网络拓扑优化研究

OD矩阵（Origin—Destination Matrix）是路网规划与评价的基础数据。以往OD矩阵数据是通过交通调查的方法获得，这往往耗费了大量的人力和物力。运用贝叶斯定理的先验分布原理，构造贝叶斯智能学习的网络拓扑结构，提出由各路段交通流量的观测值来推算估计以及预测OD矩阵的一种有效方法。利用此方法可以准确估计出OD矩阵数据，同时在优化网络拓扑中，能对未来交通量的分配进行预测。对比分析表明，此方法能有效地提高交通运输规划的效率以及交通评价准确性。     

基于贝叶斯网络的城市交通规划辅助决策模型

为解决传统模型定位跟踪能力较差、交通规划决策线路覆盖不均衡的问题,构建基于贝叶斯网络的城市交通规划辅助决策模型.根据城市交通特征提取机动车的分布状态,得到城市某一随机路段的交通流量,利用贝叶斯网络定位跟踪交通移动目标,实现交通流量和通行状态的实时追踪、结合跟踪结果,依据平衡分配规划指标构建城市交通规划辅助决策模型.结果...