后验概率

摘要： 传统的主动学习方法往往仅基于当前的目标模型来挑选样本,而忽略了历史模型所蕴含的对未标注样本预测稳定性的信息。因此,提出基于不稳定性采样的主动学习方法,依据历史模型的预测差异来估计每个未标注样本对提高模型性能的潜在效用。该方法基于历史模型对样本的预测后验概率之间的差异来衡量无标注样本的不稳定性,并挑选最不稳定的样本进行查询。在多个数据集上的大量实验结果验证了方法的有效性。

摘要： 为克服传统方式中不能根据训练的样本数量设定最优网络模式,集中效能低下的缺点,采用机器学习研究数据库与小数据集的并行集成训练方式。机器学习采用朴素贝叶斯算法,通过统计目标先验概率,利用贝叶斯定理求出目标其后验概率进行比较,从而实现决策分析,在原有数据库系统上对基础类别器进行培训,对原数据库小数据集样本分布进行调整,将其作为新数据集中对基础类别器加以培训,采用算法将其结合到一起,形成强分类器,完成了对原数据库小数据集的综合处理。

摘要： 为研究煤矿顶板事故致因及预防煤矿顶板事故的发生,基于顶板事故调查报告,从人为、设备、环境、管理4个方面选取导致煤矿顶板事故致因变量,通过变量间的相关关系,利用贝叶斯网络软件GeNie构建煤矿顶板事故致因分析的贝叶斯网络模型(BN),采用交叉验证法检验贝叶斯网络模型的精准度,并对模型进行结构和参数学习,计算出各节点的条件概率分布和后验概率等,最后通过变量敏感性和事故最大致因链分析,找出事故发生的关键因素路径,有助于降低顶板事故的发生率。研究结果表明:在人为因素方面,未履行作业规程和监督检查不到位的比例较高,概率值均大于84%;在管理因素方面,安全管理混乱是导致顶板事故发生的主要诱因,概率值大于95%;顶板垮落、支护问题、是否进入垮落区是导致顶板事故发生的重要因素。

摘要： 针对受电弓系统复杂多态特性以及故障概率难以精确表达的问题,且现有研究主要滞留于结合证据理论的模糊贝叶斯网络的现状,首次将超椭球贝叶斯网络引入受电弓可靠性分析中,规避了模糊贝叶斯网络区间取极值的情况,使得根节点的概率取值区间进一步被界定;进而以超椭球贝叶斯网络求解受电弓系统在不同故障状态下的叶节点故障率、灵敏度、后验概率等可靠性参数,找出了影响系统可靠性的高风险事件.经与模糊贝叶斯网络对比可知,超椭球贝叶斯网络区间更小,验证了新方法的正确性与实用性.

摘要： 贝叶斯公式是概率论与数理统计中一个相当重要的公式,主要是利用先验概率研究后验概率的计算.本文将从实际生活出发,讨论了贝叶斯公式在医疗检测、产品质量检测、公司决策、日常生活等不同领域分别进行了研究,并给出了具有一定参考价值和实际意义的结论.本文提出的案例贴近生活,具有可行性、多样性和实用性.

摘要： 液力变矩器是重载汽车的重要组成部分,其性能好坏直接影响重载汽车的运行状态。然而在复杂多变的交通环境下,液力变矩器部件故障频发,定期维护只靠技术人员的主观经验,不能保证长途行驶的需求。为此,本文从液力变矩器结构出发搭建模糊贝叶斯网络模型,利用专家经验法确定网络中父节点故障率,同时采用后验概率方法进行计算,并将结果进行比较得出最后结论。研究结果表明,该方法能有效地对液力变矩器进行可靠性分析。

摘要： 论文主要研究朴素贝叶斯算法在支气管炎诊断中的应用.首先,对支气管炎患者的问卷调查数据进行离散化处理,学习到支气管炎类型与病症症状的模型;然后基于此模型,利用朴素贝叶斯算法求出该模型的最大后验概率分布,从而确定患者所属的支气管炎类型.

摘要： 近年来,高校实验室火灾爆炸事故时有发生,为控制风险保护高校师生的生命和财产安全,建立动态风险评价系统,对火灾爆炸事故的发生概率进行监控和预测.在收集近10年高校发生火灾爆炸事故数据的基础上,利用蝴蝶结模型辨识事故原因,再以Netica、GeNie软件为平台将其转化为贝叶斯网络模型,并对其准确性进行验证.通过节点后验概率、敏感性分析等对模型中各节点变量进行分析,提取诱发高校火灾爆炸事故的关键因素.分析结果表明:人员不安全行为、易燃易爆化学品的使用、电路老化、设施陈旧是导致高校实验室发生火灾爆炸事故的主要影响因素.因此,要有效避免高校实验室火灾爆炸事故,就必须加强实验人员培训提高安全意识,完善易燃易爆化学品存储条件以及化学性质的标志标识,同时还要定期对实验室线路进行检查和维护.

摘要： 文章对心音信号通过去噪、预处理、特征参数MFCC提取,再将提取的MFCC建立GMM高斯模型,用EM算法对GMM模型进行训练和识别,得到最大后验概率p>0.95时,认为被测试心音信号与被训练的GMM模型库信号匹配.

摘要： 现场终端故障诊断需要高精度、高可靠性的故障诊断逻辑,由此本文提出了基于贝叶斯网络与故障树的计量自动化终端故障诊断方法,通过收集故障的历史数据与专家的先验、经验,并以此为基础推算变量间依赖关系,构建故障诊断的贝叶斯网络模型,从而获取后验概率密度分布表,解决了仅依靠专家经验搭建网络结构的局限性.实例分析表明,本文提出的诊断方法能有效提升后验概率值,相应的故障底事件的故障影响率就越大,能有效提高计量自动化终端故障诊断的准确率.

摘要： 帧规整对数后验概率是目前公认最有效的发音质量的度量。本文证明了该度量反映了当前发音对应的声学模型 与概率空间中声学模型的混淆程度，使其在评分任务上存在着严重的缺陷。因此提出了可训练的音素相关的后验概率变换；并研究了线性和非线性sigmoid变换，同时给出线性变换的显式全局最优解和非线性变换的梯度下降解法。在全国采集的普通话水平测试现场考试的篇章朗读题型上进行实验。实验结果表明：当概率空间包含所有音素时，该方法能使人机相关度从0.582 提升至0.768；当采用优化的概率空间时，该方法能使人机相关度从0.680提升至0.773。

摘要： 采用基于多元地学信息提取和信息综合技术开展矿产资源定量评价与成矿预测是近年来矿产资源勘查快速发展的方向之一。但多源地学信息由于其来源和表达信息的不同往往具有不同的量纲，且不能直接反应成矿信息，从而使得在图像处理中常用的方法无法用来开展矿产资源定量评价问题。为了克服这些问题，本文将证据权模型中后验概率与空间信息集成模型相结合，首先通过建立不同地学信息与已知矿床之间的空间相关关系，计算在不同地学信息条件下，矿床出现的后验概率，以此为基础，运用空间信息集成模型对矿产资源进行定量评价。由于将不同的地学信息转化为矿床出现后验概率，其优点是：(1)包含了成矿有利的信息，利于矿产资源定量评价；(2)其量纲是统一的，便于使用各种空间信息集成模型。以个旧数据为例，在计算各个地学信息的后验概率摹础上运用主成分分析方法和非负矩阵分解方法对个旧锡铜矿进行定量评价，并与运用证据权方法所得到的评价结果进行对比。

摘要： 提出一种结合Bayesian统计推断理论和分布估计思想的混合遗传算法,利用这种算法进行配电网络的优化调整,给出了一种新的配网重构方法.工作原理为:以有功网损最小作为目标函数,随机产生一定规模种群,通过优势群体及群体中的最优个体提供的信息,不断更新先验概率和条件概率,并用更新后的先验概率模型和条件概率模型通过贝叶斯推理得到后验概率模型,通过后验概率模型不断的采样产生新的适应度更好的个体,最终得到全局最优解.最后,通过算例仿真证明了这种混合遗传算法能够找到全局最优解,通过和单纯的分布估计算重构结果比较,表明该算法在计算速度、寻解的准确性方面更有效.

摘要： 为了改善扩展的二元相移键控(EBPSK)系统在低信噪比下的误码率性能,引入了低密度奇偶校验码(LDPC)。EBPSK解调器借助特殊的冲击滤波器提高能量利用率,却增加了获得后验概率信息用于译码的困难。本文引入支持向量机(SVM)方法在滤波器输出信号中选取少量采样点进行概率输出并进行LDPC译码,仿真显示可得到较高的信噪比增益。同时,本文还仿真对比了不同采样频率及不同方式获得的后验概率信息对系统译码性能的影响,表明基于SVM的方法在低采样率和低信噪比条件下便可获得较为精确的后验概率,因此,在EBPSK系统中采用SVM方法获得后验概率信息用于LDPC译码是一种较为有效的方式。

摘要： 本文提出了一种基于无向概率图模型(undirectedprobabilistic graphicmodels)的视频语义状态建模方法。在将视频数据表述为可观察值Y和隐含语义状态L的基础上,利用马尔科夫链蒙特卡罗(MCMC)采样方法解释了视频数据的生成过程,并建立了视频数据的无向概率图模型.其中,可观察值Y和隐含语义状态L之间的似然模型表示为Gaussian概率密度分布,各语义状态L之间的先验模型则表示为MRF(GIBBS)模型.基于该无向概率图模型,可以计算出各隐含语义状态L相对于某一具体可观察值ys的后验概率,从而利用MAP准则估计出ys,所对应的隐含语义状态.最后,进行仿真实验的结果证明了该方法的有效性.

摘要： 语音确认是许多自动语音处理系统的重要环节，其目的是判断输入语音与指定文本的内容一致性。本文提出一种基于音素混淆的语音确认方法，它不仅具备良好的语音确认性能，而且可以根据系统需求进行灵活优化和调整。实验结果表明，该方法完全可以满足实际应用的需求，并在速度和灵活性上优于基于后验概率的语音确认方法。

摘要： 发音质量评估技术在嵌入式系统上的应用越来越广泛，它能为第二语言学习者提供方便有效的服务，因此，快速准确成为发音评估系统的一项重要评价指标。本文针对传统置信度算法的不足，在保证状态分割点准确性的基础上提出了一种置信度快速求取算法，即在后验概率计算过程中引入背景模型，采用简单的背景模型计算后验概率分母值，因此只需要对少数几个状态计算各帧的似然值，极大降低置信度得分的计算量，实现了在保证不损失评估精度的基础上评估速度提高了3倍以上。

摘要： 基于多响应模型的D最优试验设计在复杂系统的试验设计中具有广泛的应用.最优设计理论假设系统模型的形式在试验前是已知的,然而,实际上,在试验前由于对系统认识的局限性往往不能给出系统模型的准确形式.针对这一问题,发展了模型稳健最优试验设计.现有文献只针对单响应模型的模型稳健最优试验设计方法进行了研究.本文将模型稳健最优试验设计方法拓展到多响应模型中,解决了复杂系统试验设计中的模型不确定性问题,并通过仿真证明了该方法与经典试验设计方法相比能够给出更精确的回归模型参数估计.

摘要： 基于多响应模型的D最优试验设计在复杂系统的试验设计中具有广泛的应用.最优设计理论假设系统模型的形式在试验前是已知的,然而,实际上,在试验前由于对系统认识的局限性往往不能给出系统模型的准确形式.针对这一问题,发展了模型稳健最优试验设计.现有文献只针对单响应模型的模型稳健最优试验设计方法进行了研究.本文将模型稳健最优试验设计方法拓展到多响应模型中,解决了复杂系统试验设计中的模型不确定性问题,并通过仿真证明了该方法与经典试验设计方法相比能够给出更精确的回归模型参数估计.

摘要： 基于多响应模型的D最优试验设计在复杂系统的试验设计中具有广泛的应用.最优设计理论假设系统模型的形式在试验前是已知的,然而,实际上,在试验前由于对系统认识的局限性往往不能给出系统模型的准确形式.针对这一问题,发展了模型稳健最优试验设计.现有文献只针对单响应模型的模型稳健最优试验设计方法进行了研究.本文将模型稳健最优试验设计方法拓展到多响应模型中,解决了复杂系统试验设计中的模型不确定性问题,并通过仿真证明了该方法与经典试验设计方法相比能够给出更精确的回归模型参数估计.

摘要： 本发明实施例公开了一种融合后验概率校准的模型训练方法、装置、设备及介质，方法包括：首先将第一预设数量的样本输入至分类模型以进行预测，得到每个样本的预测类别和预测后验概率；接着，根据每个样本的预测后验概率，将第一预设数量的样本划分至概率区间中，即对样本进行区间分类；再统计每个概率区间内，每种预测类别的样本的数量和每种预测类别的所有样本中预测正确的样本的数量，得到经验后验概率；根据每个样本对应的预测后验概率和经验后验概率，计算概率损失值，并根据概率损失值训练分类模型。由此，本发明实施例使得模型输出的预测后验概率与真实置信度匹配，避免了模型出现“盲目自信”的情况。

摘要： 本发明涉及基于后验概率的对抗样本检测方法、系统及存储介质，包括以下步骤：S1、构建用于图像分类的分类模型；S2、构建用于对抗样本检测的判别模型；S3、将需要进行判别的图像样本放入分类模型中，获取图像样本对应的概率分布；S4、将图像样本对应的概率分布作为判别模型的输入放入判别模型中进行处理，获取对抗样本检测结果。本发明通过构建分类模型和判别模型，利用二分类模型对对抗样本与正常图像经过分类模型后的输出进行学习，挖掘二者之间差异来进行对抗样本检测，从而实现了有效的对抗样本检测方法。

摘要： 本发明实施例公开了一种融合后验概率校准的模型训练方法、装置、设备及介质，方法包括：首先将第一预设数量的样本输入至分类模型以进行预测，得到每个样本的预测类别和预测后验概率；接着，根据每个样本的预测后验概率，将第一预设数量的样本划分至概率区间中，即对样本进行区间分类；再统计每个概率区间内，每种预测类别的样本的数量和每种预测类别的所有样本中预测正确的样本的数量，得到经验后验概率；根据每个样本对应的预测后验概率和经验后验概率，计算概率损失值，并根据概率损失值训练分类模型。由此，本发明实施例使得模型输出的预测后验概率与真实置信度匹配，避免了模型出现“盲目自信”的情况。

摘要： 本发明涉及基于后验概率的伪造图像检测方法、系统及存储介质，包括以下步骤：S1、构建用于图像分类的分类模型；S2、构建用于伪造图像检测的判别模型；S3、将需要进行判别的图像样本放入分类模型中，获取图像样本对应的概率分布；S4、将图像样本对应的概率分布作为判别模型的输入放入判别模型中进行处理，获取伪造图像检测结果。本发明通过构建分类模型和判别模型，利用二分类模型对伪造图像与正常图像经过分类模型后的输出进行学习，挖掘二者之间差异来进行伪造图像检测，从而实现了有效的伪造图像检测方法。

摘要： 本发明提供的一种基于后验概率支持向量机的雷达有源干扰在线识别方法，通过提取时域、频域以及时频域的第一特征；计算干扰类别之间第一特征的可分性测度从而筛选出可行性测度强的第二特征，之后根据总熵以及噪声再次筛选出确定度大以及噪声稳健性好的干扰特征，从而对分类器进行线下训练；最后选择后验概率满足置信度条件的样本更新训练所述SVM分类器实现在线训练。本发明能够更新过程中持续积累线下训练样本和线上测试样本的知识，并利用这些知识提高将来的学习和分类性能，因此本发明在有限样本条件下可以提高雷达有源干扰在线识别性能。

摘要： 本发明公开了一种基于先验‑后验概率编码器的多模态MR图像分割方法，通过先验‑后验概率编码器在训练过程中生成各个分支网络的权重向量，通过学习已有数据的模式，分配网络对不同模态特征图的注意焦点，在多模网络中实施更有针对性的局部加权融合，提高网络判断多源信息置信度的能力，最终提高分割精度与模型鲁棒性；结合了前期融合和多层融合的思路，通过下采样和上采样之间的跳跃连接，在融合以外保留了单独模态的特异信息，有益于处理不同图像源提供的互补与矛盾信息。

摘要： 本申请提供了一种基于局部方差和后验概率分类器的视觉定位方法及装置，本申请在定义过程和检索过程中使用了两种不同移动步长的滑动窗口，即为了降低检索过程中的计算量，也是为了避免检索过程的滑动窗口在经过后验概率分类器时因为移动步长过大而对窗口判断错误。一方面减少了对系统算里的要求，提高了匹配效率，另一方面在定义部分也考虑到了多尺度的情况来生成多尺度的滑动窗口，而且由于在检索部分的多尺度滑动窗口是在初始尺度滑动窗口遍历后再进行，避免了目标对象没有尺度缩放的情况浪费过多的计算量。这种方法进一步提高了匹配效率，同时也克服了现有技术匹配过程计算量过大、无效计算过大的缺点，提高了模板匹配的准确度。

摘要： 本发明公开了一种基于最大后验概率估计的SAR图像去斑方法及系统，该方法包括：通过最大后验概率估计算法对SAR图像进行计算，构建SAR图像目标函数；通过交替方向乘子法对SAR图像目标函数进行分解，得到子函数；基于更新条件规则，对子函数进行求解并对SAR图像目标函数进行迭代优化处理，得到去斑无噪SAR图像。该系统包括：构建模块、分解模块和优化模块。通过使用本发明，能够实现在SAR图像目标函数不受约束的情况下提高SAR图像优化精度。本发明作为一种基于最大后验概率估计的SAR图像去斑方法及系统，可广泛应用于SAR图像处理领域。

摘要： 本发明涉及高光谱遥感图像处理技术领域，具体涉及基于多尺度熵率超像素的后验概率高光谱图像分类方法，包括对高光谱图像数据进行预处理，得到处理图像，对高光谱图像进行初始分类，得到多个初始分类标签光谱信息，对预处理图像进行主成分分析，得到前三个主要成分，对三个主要成分进行图像处理，得到不同尺度下的超像素图像，对超像素图像进行融合处理，得到降维的高光谱图像，对多个初始分类标签和降维的高光图像进行域变换插值卷积滤波处理，得到重排列分类标签，对高光谱图像进行分类，再进行超像素分割操作、特征提取和修正，得到最后的分类标签，从而改善现有的光谱图像分类技术提取空间信息不足以及忽视超像素边缘信息的问题。

摘要： 一种结合后验概率和空间邻域信息的遥感影像变化检测方法，利用双时相遥感影像，获取各地表覆盖类型的训练样本和变化强度图像，计算地表覆盖类型变化强度的后验概率。考虑空间邻域信息，对后验概率进行计算，构建地表覆盖类型‑空间邻域信息的空间曲面。根据空间曲面对每个像素自适应地确定阈值，获取变化检测结果图像。对多时相遥感影像变化检测研究而言，能够有效减少农田伪变化，并识别变化强度图像中灰度值较低的变化区域，最大限度地减少了漏报和误报的可能性。