基于L-M、贝叶斯算法研究溶解氧与其影响因素关系

利用BP网络分别结合L-M、贝叶斯算法研究溶解氧与BOD5、PH值、流量、水温关系,表明利用贝叶斯算法优化的网络更适合于预测。     

融合目标战术特征的空中目标类型识别模型

在编队防空环境分析的基础上，根据舰艇编队对空防御的要求对空中目标类型进行了划分，并根据D-S证据推理相关理论，建立了融合目标战术特征和物理特征的目标类型识别模型，该模型可以为编队防空指挥自动化决策研究提供一定的参考。     

贝叶斯决策在确定复合标底报价中的应用

通过对复合标底特点的分析和对贝叶斯决策的介绍，将贝叶斯决策理论引入确定复合标底的报价之中。     

机动目标跟踪典型算法评述

机动目标跟踪算法可以划分为两种：极大似然法和贝叶斯估计法，前者通过对目标量测序列的分析，采用与当前目标运动模式匹配度最高（极大似然性）的模型（包括系统模型和观测模型）对目标状态进行跟踪和估计；后者则首先假定一组模型，再根据量测序列进一步估计出其中每个模型的匹配概率，最后采用贝叶斯公式对全部或部分模型估计进行综合。在此框架下，论文对其中的一些典型算法进行总结和分析。     

基于贝叶斯网络的辐射源威胁等级评估算法

贝叶斯网络是近年来人工智能领域最重要的研究成果之一，在具有不确定性的推理和决策问题中得到了广泛的应用。以贝叶斯网络及其推理机制为基础，主要研究了贝叶斯网络在辐射源威胁等级评估方面的应用。选取了部分影响因素，建立了基于贝叶斯网络的辐射源威胁等级评估模型。最后通过一个计算机仿真实例验证了算法具有连续性和累积性，能够对辐射源威胁等级做出较准确评估。     

基于非完备贝叶斯网络的车型识别方法

针对BP神经网络等车型识别算法不能很好地适应我国车型复杂状况，分析了贝叶斯网络（IDS-BN）算法中完备数据集的问题，提出了基于非完备数据集的贝叶斯网络车型识别方法和车型识别系统结构模块，基于该模块拟定了车型特征变量．构建了车型识别网络模型，并给出了模型参数学习、车型分类器等算法，包括MDL评分和贪婪搜索的结构学习、EM参数学习、随机模拟采样推理等。实验表明，该方法识别率较高，鲁棒性好，满足我国车型识别的实际要求。     

贝叶斯OD流估算模型的解的收敛性

引入了贝叶斯ＯＤ流估逄模型，证明了模型的迭代 收敛性，并给出了电优解的形式。     

基于欧氏距离的基本信任函数确立方法

声学故障检测与定位是维护舰船隐身的重要手段.为了实现对声学故障的检测与定位,开发了基于案例推理的专家系统.该系统采用D-S证据理论对案例推理结果进行信息融合.针对基本信任函数很难确定的问题,给出了一种基于样本间欧氏距离的信任分配函数确定方法.实验证明该方法具有较好的可行性.     

贝叶斯与遗传神经网络相融合的柴油机故障诊断研究

利用小波包分解提取缸盖振动信号的特征向量,提出选择因子对改进误差反向传播(BP)神经网络和超1-依赖贝叶斯算法的诊断结果进行融合,克服贝叶斯和神经网络的不足。通过在WD615柴油机上的实验检测,证明了该方法的有效性。