贝叶斯准则

摘要： 在所有的数学发现中,贝叶斯准则是应用最多的准则之一,它被广泛应用于各个领域。在实际教学过程中,学生存在不能正确理解和应用贝叶斯准则的问题。本文将深入分析贝叶斯准则的本质并给出其在实际中的几个应用,帮助学生深刻理解这个准则并加强其在生活中应用贝叶斯思维解决实际问题的能力。

摘要： 声呐系统探测向着多发多收的多基地声呐协同探测方向发展,其中多基地声呐发射时序优化是多基地协同探测技术的一个重要研究方向.为此,作者提出一种针对分布式警戒网络的多基地声呐发射时序优化设计方法,该方法利用贝叶斯准则获得警戒区域实时的水下目标存在概率分布,以此优化控制声源的发射时序,快速"照亮"整个水下区域,同时实现区域声呐探测覆盖面积最大化.仿真研究表明了该方法较声源顺序发射以及随机发射,探测效能提升明显.

摘要： 针对企业转型路径选择问题,在基于生命周期理论的RCSP模型基础上,构建三维空间下的数学模型框架结构,并在此框架下对于不同生命周期阶段的企业,综合考虑企业生命周期、行业地位、行业生命周期三个因素,给出基于马尔科夫过程的企业转型路径选择模型方法.该模型首先将企业转型路径问题转化为序贯决策过程,分解成若干个相互联系又有一定制约性的阶段,其次,利用德尔菲技术得到通过肯德尔和谐系数检验的专家组评估分数,给出权重的计算方法,再次,引入贝叶斯准则,确定起点到终点的后验概率,得到概率矩阵,最后,通过马尔科夫链的平稳分布分析,得到平衡状态下的概率矩阵和可达概率情况,从而给出某一生命周期下企业转型的最稳定路径,充实现有的决策选择方法,扩展解决实际问题的思路.

摘要： 为使科研人员节省时间,高效阅读学术文献信息,提出一种学术文献摘要的主题聚类模型——优化主题数目作者层主题聚类模型(WBLDA).首先在预处理阶段,自定义符合学术文献摘要特点的分词词典和停用词词典,解决学术文献摘要分词不准确的问题;在特征提取阶段,提出增大词频特征提取方法(ITF-IDF),使用词频放大法来增大词频,弱化文本长度对特征权重的影响,提取出更加符合学术文献摘要方向的特征词;最后,针对传统主题模型忽略作者这一重要属性的缺点,在主题聚类模型中引入学术文献摘要的作者信息,构建文档—主题+作者—词的WBLDA模型,同时使用贝叶斯准则优化主题聚类模型的主题数.通过对学术文献摘要数据集仿真实验结果表明,与TF-IDF相比,ITF-IDF方法的特征提取准确率更高;与LDA相比,WBLDA模型的聚类纯度和F-score值也更高,选择出的主题更加准确,更能代表摘要的学术方向.

摘要： 基于贝叶斯准则对二元假设检验问题进行研究,在附加先验概率条件下,提出了最小二乘意义下的最佳先验概率.将该方法与极大极小准则对比分析,给出了任意先验概率条件下的最佳先验概率选取方法,并进行仿真验证.仿真结果表明,根据最佳先验概率进行判决,可以在先验概率未知时有效降低判决代价.

摘要： [目的]利用多极化星载SAR数据,分析后向散射强度比值影像的概率密度分布特征,融合后向散射强度信息和影像空间上下文信息,提出一种具有较高检测正确率及较低虚警率和漏警率的森林覆盖变化检测方法,为多极化SAR卫星数据的业务化应用提供技术支撑.[方法]将“2期分别分类森林覆盖变化检测法”(CBFC)与“贝叶斯最大期望-马尔科夫随机场(EM-MRF)变化检测法”相结合,首先采用阈值分割法分别对2期多极化SAR影像进行森林-非森林分类得到初始森林覆盖变化图,然后以初始森林覆盖变化图作为训练数据对多极化比值影像进行Fisher特征变换和EM-MRF分类处理,2个时相的HH、HV极化比值影像经Fisher特征变换转化为一个综合差异影像,输入EM-MRF进行迭代分类得到森林覆盖变化检测结果.以黑龙江省逊克县为试验区,以2期ALOSPALSAR双极化数据为SAR遥感数据,以对2期Landsat-5影像、高空间分辨率遥感影像进行目视解译得到的森林覆盖变化图为参考,对本研究提出方法的有效性与CBFC方法及直接用CBFC提取的森林覆盖变化检测图掩膜EM-MRF地表覆盖变化检测图方法(CBFC-EM-MRF)进行比较评价.[结果]通过Fisher特征变换得到的差异影像可有效增强森林覆盖变化、未变化类别的对比度;CBFC通过阈值分割法进行森林-非森林分类,提取的森林覆盖变化图中出现很多面积很小的虚警检测,漏警率也很高,而本研究提出方法通过MRF加入影像空间上下文信息,提高了检测结果的空间连贯性,森林覆盖变化检测虚警率为1.58％,漏警率为11.87％,正确率为98.36％,检测效果和精度明显优于CBFC和CBFC-EM-MRF.[结论]多极化星载SAR森林覆盖变化检测方法具有收敛性好、检测结果可信度高、需要用户交互较少等特点,对我国高分三号及未来其他多极化SAR卫星的森林资源监测业务应用具有重要参考价值.

摘要： 为提高室内定位系统的精度和稳定性,提出了一种基于Wi-Fi信道状态信息(channel state information,CSI)的指纹定位技术.CSI通过子载波表征了细粒度的信道信息,能更好地对抗室内多径效应等干扰.在此基础上,借助矩阵完备理论实现了一种高效、精确的指纹库构建方案;借助贝叶斯准则实现了稳定、实时的在线指纹匹配.两个室内场景的实地测评表明,所提方案在指纹库构建精度以及定位性能方面均达到了预期目标.

摘要： 利用RBF神经网络进行GPS高程拟合时,隐层节点数和径向基散布常数的确定对最终拟合结果影响较大.本文提出一种改进的RBF神经网络高程拟合方法,首先利用基于密度的聚类(DBSCAN)算法自动确定隐层节点数,在此基础上建立测试区域GPS高程数据的似然函数,利用贝叶斯准则(BIC)实现对径向基常数的自动选择.最后基于实际数据的试验结果表明相对于传统BP神经网络拟合算法,所提方法具有更高的拟合精度.

摘要： 研究航天器故障准确识别问题,由于多种因素干扰造成的航天器遥测参数观测值误差,导致故障诊断系统误判航天器状态.如何正确地从噪声信号中提取出关键的故障信号,并且根据故障发生概率及影响因素对故障进行判决,是目前航天器故障诊断领域面临的一大难题.在可获得先验的故障概率和代价系数的条件下,通过对高斯环境中故障信号误差的分析,建立了错误判决代价的贝叶斯准则判决方法,设计了高斯白噪声情况下采用贝叶斯准则进行故障判决的算法.通过某航天器实际遥测数据的实验结果表明,改进方法可显著提高系统的故障诊断准确性.

摘要： 针对海洋生物酶发酵过程关键生物参数(如基质浓度、菌体浓度等)难以实现直接在线测量的问题,本文提出了一种基于贝叶斯准则的最小二乘支持向量机(LS-SVM)软测量建模方法.以典型的海洋生物酶-海洋蛋白酶为研究对象,在分析海洋蛋白酶发酵过程机理的基础上,确定了发酵过程软测量模型的辅助变量和主导变量.考虑到在LS-SVM建模中,正规化参数和核参数的优化是建模的难点,文中采用贝叶斯准则对LS-SVM参数进行优化,进而建立了基于贝叶斯准则的最小二乘支持向量机软测量模型.仿真结果表明该方法比传统的LS-SVM具有更高的预测精度和泛化能力。

摘要： 运用自适应非正交方法构建径向基函数(RBF)神经网络模型预测混沌时间序列.在RBF网络模型构造非监督学习过程中,提出了一种能同时确定了径向基函数的中心个数和对应的扩展常数的自适应方法.隐层节点在非正交空间中递推选择,扩展常数则以贝叶斯准则(BIC)收敛值作为代价函数利用微分进化(DE)算法取得.为了验证网络的预测性能,将该方法对Logistic和Henon混沌时间序列进行了仿真研究,仿真结果表明了该方法的有效性.

摘要： 本文提出了一种小波域马尔可夫随机场的WCS-HMT模型和隐标号先验模型的图像分割算法.为了更好地反映图像分解小波系数的分布,采用有限通用混合模型描述待分割图像分解的小波系数概率密度函数;为了反映小波系数的纹理关系,用尺度间隐标号的先验概率模型描述小波系数的标号依赖关系.采用贝叶斯准则,获得MAP准则下融合由粗尺度到细尺度的图像分割结果.仿真实验表明了该算法的有效性和优异性.

摘要： 研究波束形成算法的前提是驾驶向量是确定的。在实际情况下,由于实际的阵列响应和期望信号的阵列响应存在一定的偏差,这时候就需要研究对于驾驶向量不确定情况下的波束形成问题。该文基于Bayesian准则,对一系列自适应MVDR波束形成器的权向量进行后验概率密度加权,得到Bayesian自适应波束形成器。仿真和实际水声阵列数据结果显示,该波束形成器在驾驶向量不确实的情况下,具有较好的鲁棒性。

摘要： 研究波束形成算法的前提是驾驶向量是确定的。在实际情况下,由于实际的阵列响应和期望信号的阵列响应存在一定的偏差,这时候就需要研究对于驾驶向量不确定情况下的波束形成问题。该文基于Bayesian准则,对一系列自适应MVDR波束形成器的权向量进行后验概率密度加权,得到Bayesian自适应波束形成器。仿真和实际水声阵列数据结果显示,该波束形成器在驾驶向量不确实的情况下,具有较好的鲁棒性。

摘要： 研究波束形成算法的前提是驾驶向量是确定的。在实际情况下,由于实际的阵列响应和期望信号的阵列响应存在一定的偏差,这时候就需要研究对于驾驶向量不确定情况下的波束形成问题。该文基于Bayesian准则,对一系列自适应MVDR波束形成器的权向量进行后验概率密度加权,得到Bayesian自适应波束形成器。仿真和实际水声阵列数据结果显示,该波束形成器在驾驶向量不确实的情况下,具有较好的鲁棒性。

摘要： 研究波束形成算法的前提是驾驶向量是确定的。在实际情况下,由于实际的阵列响应和期望信号的阵列响应存在一定的偏差,这时候就需要研究对于驾驶向量不确定情况下的波束形成问题。该文基于Bayesian准则,对一系列自适应MVDR波束形成器的权向量进行后验概率密度加权,得到Bayesian自适应波束形成器。仿真和实际水声阵列数据结果显示,该波束形成器在驾驶向量不确实的情况下,具有较好的鲁棒性。

摘要： 本文提出了一种基于粒子滤波的求解GPs载波相位测量整周模糊度的新方法，论述了它的实用原理及其求解整周模糊度的具体过程；并用2003年12月1日在约10km基线上所采集的GPS载波相位测量数据，进行了实际验算。其解算结果表明，基线向量误差均在±5cm以内。这表明，该方法是一种正确求解GPS载波相位测量整周模糊度的有效方法。

摘要： 本文提出了一种基于粒子滤波的求解GPs载波相位测量整周模糊度的新方法，论述了它的实用原理及其求解整周模糊度的具体过程；并用2003年12月1日在约10km基线上所采集的GPS载波相位测量数据，进行了实际验算。其解算结果表明，基线向量误差均在±5cm以内。这表明，该方法是一种正确求解GPS载波相位测量整周模糊度的有效方法。

摘要： 本发明提供了一种基于贝叶斯信息准则的铁路轨道历史维修自动识别方法。该方法包括：基于历史动态检测数据得到铁路线路单元的轨道高低不平顺值；根据轨道高低不平顺值通过基于自回归模型的自适应阈值法识别出疑似维修作业日期；根据轨道高低不平顺值构建轨道高低不平顺劣化过程的分段拟合模型，根据轨道高低不平顺劣化过程的分段拟合模型基于贝叶斯信息准则建立求解最优分段拟合模型的目标函数；基于疑似维修作业日期求解目标函数，得到轨道高低不平顺劣化过程的最优分段拟合模型，将最优分段拟合模型的分段点确定为维修作业日期。本发明能够克服检测数据异常影响，灵敏感知劣化趋势的变化，自动识别轨道不平顺劣化过程中维修作业发生的日期。

摘要： 本发明提供了基于贝叶斯模型和三倍标准差准则的道路网络评估方法，包括：统计某区域的相同时段的交通指标，根据统计结果确定交通指标服从的概率分布；利用贝叶斯模型计算出所述概率分布的参数；根据贝叶斯模型和三倍标准差准则，计算交通指标的范围阈值，通过交通指标数据与交通指标范围阈值比较判断道路网络是否异常；如果判断道路网络异常，根据三倍标准差准则计算网络交通流量的变化值和变化率，以及交通拥堵指数的变化值和变化率，作为评估异常事件对所述道路网络的影响程度的指标，本发明能够有效识别各种道路网络的异常事件以及异常事件对道路网络的交通流量和交通拥堵影响程度。

摘要： 本发明属于数字音频信号处理技术领域，公开了一种基于贝叶斯信息准则的数字音频篡改点自动定位的方法，对待测篡改信号进行活动语音检测，确定语音信号中的静音段；静音段分帧后依次提取每帧的美尔频率倒谱系数特征，按时序对特征序列再进行长窗分帧；计算每个长时特征帧的BIC值；取所有长时特征帧的BIC值组成的序列中的所有波峰点作为可疑篡改点，并在静音段中以其为中点，前后分别截断；对每个包含可疑点的截断窗计算BIC值序列。本发明实现了数字音频篡改点的自动定位，相对于传统的篡改检测方法降低了计算量，减少了篡改点的漏检率，避免了阈值选择的问题，对使用噪声对篡改点进行掩盖的情况具有鲁棒性。

摘要： 本发明涉及一种基于贝叶斯信息准则的工业过程故障诊断方法，包括：采集正常工业数据，利用正常数据求出几种检测统计量；将待测样本进行故障检测；将故障样本的故障隔离任务表示为组合优化问题；结合贝叶斯信息准则将上述问题转变为混合整数非线性规划问题；利用前向选择算法进一步简化为混合整数二次规划问题；采用分支定界算法求解系列相似混合整数二次规划问题，最终得到引起样本发生故障的故障变量组合。本发明具有通用性，无需预先确定故障方向或已知历史故障数据集，即可识别出故障变量，且当发生的故障幅度较小时，本发明也能得到准确的诊断结果，此外，将组合优化问题转化为具有稀疏约束的二次规划问题来进行求解，大大提高了计算效率。

摘要： 本发明提供了一种基于贝叶斯信息准则的铁路轨道历史维修自动识别方法。该方法包括：基于历史动态检测数据得到铁路线路单元的轨道高低不平顺值；根据轨道高低不平顺值通过基于自回归模型的自适应阈值法识别出疑似维修作业日期；根据轨道高低不平顺值构建轨道高低不平顺劣化过程的分段拟合模型，根据轨道高低不平顺劣化过程的分段拟合模型基于贝叶斯信息准则建立求解最优分段拟合模型的目标函数；基于疑似维修作业日期求解目标函数，得到轨道高低不平顺劣化过程的最优分段拟合模型，将最优分段拟合模型的分段点确定为维修作业日期。本发明能够克服检测数据异常影响，灵敏感知劣化趋势的变化，自动识别轨道不平顺劣化过程中维修作业发生的日期。

摘要： 本发明提供了基于贝叶斯模型和三倍标准差准则的道路网络评估方法，包括：统计某区域的相同时段的交通指标，根据统计结果确定交通指标服从的概率分布；利用贝叶斯模型计算出所述概率分布的参数；根据贝叶斯模型和三倍标准差准则，计算交通指标的范围阈值，通过交通指标数据与交通指标范围阈值比较判断道路网络是否异常；如果判断道路网络异常，根据三倍标准差准则计算网络交通流量的变化值和变化率，以及交通拥堵指数的变化值和变化率，作为评估异常事件对所述道路网络的影响程度的指标，本发明能够有效识别各种道路网络的异常事件以及异常事件对道路网络的交通流量和交通拥堵影响程度。

摘要： 本发明涉及一种基于贝叶斯信息准则的工业过程故障诊断方法，包括：采集正常工业数据，利用正常数据求出几种检测统计量；将待测样本进行故障检测；将故障样本的故障隔离任务表示为组合优化问题；结合贝叶斯信息准则将上述问题转变为混合整数非线性规划问题；利用前向选择算法进一步简化为混合整数二次规划问题；采用分支定界算法求解系列相似混合整数二次规划问题，最终得到引起样本发生故障的故障变量组合。本发明具有通用性，无需预先确定故障方向或已知历史故障数据集，即可识别出故障变量，且当发生的故障幅度较小时，本发明也能得到准确的诊断结果，此外，将组合优化问题转化为具有稀疏约束的二次规划问题来进行求解，大大提高了计算效率。

摘要： 本发明属于高超声速目标跟踪领域，针对高超声速目标跟踪的难题，本发明提出一种基于三重贝叶斯准则的高超声速目标跟踪方法。首先，针对高超声速目标所有可能的运动形式，设计一种以正弦模型为主体的闭合跟踪通道，以实现对高超声速目标的匹配跟踪处理；其次，设计第一重贝叶斯准则，将不同跟踪通道的合作方式设计为模型权重和先验模型切换权重的函数，以提高所选模型和目标真实轨迹的契合度；然后，设计第二重贝叶斯准则，将模型权重设计为随雷达截获信息实时更新的闭合回路，以提高对高超声速目标的跟踪精度；最后，设计第三重贝叶斯准则，将先验模型切换权重设计为随雷达截获信息实时更新的闭合回路，以进一步提高对高超声速目标跟踪的灵敏度。

摘要： 本发明涉及智能家居通信的技术领域，更具体地，涉及一种基于贝叶斯准则和信道相关性的快速频谱检测方法，经过智能家居中基于信道相关性的信道估计与基于贝叶斯准则的信道预测，通过信道之间的相关性，对信道进行分组，并在每个信道组内找到一个检测信道，对其进行直接检测，同组内其他信道的状态则通过历史状态和与检测信道之间的关系来共同估计得出；基于贝叶斯准则建模信道历史状态与信道现状之间的联系，预测下一个信道状态的概率；基于信道相关性的信道估计与基于贝叶斯准则的信道预测这两种方法所产生的矛盾，采用最小熵算法来解决；在保证一定准确性的基础上缩短检测时间，提高频谱检测的效率。

摘要： 本发明公开了一种基于贝叶斯准则的3D视频深度图帧内预测模式选择方法。步骤如下：首先由前若干已编码帧的帧内编码预测模式数据得到训练集，并用于训练贝叶斯二分类模型；然后将待编码帧给定PU的SDM模式的RD‑Cost值作为已训练好的分类器的输入特征，并将PU分为S0和S1两类；对于属于S0的PU，单深度模式将是最终的最优帧内预测模式，且模式选择会提前终止；而对于属于S1的PU，编码器将进行传统的帧内模式选择。本发明有效地降低了深度图帧内预测编码的复杂度，减少了帧内预测所需的编码时间；并在提高编码速度的同时，保证了最终解码端合成视角的视频质量。