基于先验信息的压缩感知重建温度场技术

针对利用压缩感知方法重建微处理器芯片温度场存在错失真实热点、从而影响重建精度的问题,提出了一种基于先验信息的压缩感知重建温度场方法。通过对温度场先验信息的处理,结合主成分分析和模拟退火算法有针对性地设计观测矩阵,优化温度传感器的布置,提高重建精度。实验结果表明:与基于特征图的重建方法、基于模拟退火算法布置传感器的方法和基于随机采样的压缩感知重建温度场方法相比,该方法在平均温度误差、最大温度误差和均方误差方面至少分别提升了29.9%、46.6%和53.7%,有更优越的温度场重建性能。

基于自先验信息和TV约束的正交直线扫描CL图像重建

针对正交直线扫描计算机分层成像中存在投影数据不完备的问题,提出一种基于自身先验信息和总变分约束的重建算法用于正交直线扫描计算机分层成像图像重建。首先利用移动叠加算法对两段正交直线扫描数据重建分层图像,通过梯度计算、梯度融合、掩膜操作,获得先验信息;然后利用先验信息和总变分正则项约束进行正交直线扫描计算机分层成像图像重建。实验结果表明,与SART-TV算法相比,该算法可以可提高获取先验信息的效率,提升重建图像质量,有效抑制正交直线扫描计算机分层成像重建图像混叠伪影、降低噪声对重建图像的影响。

基于先验信息补偿的太赫兹雷达近场大转角精细成像研究

基于雷达成像技术实现太赫兹频段目标散射特性获取是一种重要的特性测量手段,其前提是能够获得目标的高分辨精细成像结果。针对室内太赫兹雷达系统成像测量时难以保证参考目标中心和转台中心完全重合,且近场成像结果敏感于目标位置误差的实际问题,推导建立了相应的精确成像模型,提出了基于先验信息的距离误差补偿方法和近场成像算法实现方法,得到了近场大转角条件下太赫兹目标高分辨精细成像结果。经实验系统测量验证,该成像方法可精确修正目标位置摆放误差和近场测量误差造成的图像形变与散焦,无目标坐标系和雷达坐标系中心重合的要求限制,为太赫兹频段目标散射特征精确反演和散射中心诊断提供了重要支撑。

融合先验信息的整合财务预警模型研究

财务预警是预测企业财务风险的重要手段。一方面,财务预警领域产生了丰富的研究成果,其潜在信息值得在统计模型中发掘应用。另一方面,由于不同行业间的财务结构存在差异,财务指标数据可能呈现异质性特点。为利用财务预警领域既有丰富成果来构建先验信息,并同时考虑数据的异质性,本文构建融合先验信息的整合财务预警模型。模拟实验证明,融合先验信息的整合模型在变量筛选和预测上具有明显优势。进一步的实证研究中,通过对财务预警领域核心文献进行文本挖掘,基于词频统计构建财务指标的先验信息集,并在食品饮料制造业、金属制造业、批发零售业三个行业数据上建立整合预警模型。结果显示,本文构造的融合先验信息的整合财务预警模型可以筛选出关键预警指标,具有较高水平的预测精准度,体现出本文模型的实际应用价值。

非概率抽样估计中先验信息的利用——基于贝叶斯模型估计视角

非概率样本的估计问题是近年来的研究热点,本文以调查中先验信息的利用作为切入点,在配额抽样下设置贝叶斯形式的超总体模型,使用样本信息与先验信息对总体目标变量进行加权估计,从而解决非概率样本的估计问题。通过对北京市医疗资源调查的实证研究,表明先验信息的准确性和权重的合理分配决定着贝叶斯估计的效果,在合理的模型设置下贝叶斯估计在大量重复抽样下具有更好的稳定性。

基于结合先验信息的最小支撑稳定器的三维重力正则化反演

如何将先验信息融入地球物理反演,进而改善反演的不适定性,一直是地球物理反演领域的研究热点。将先验信息直接融入目标函数的方法通常会增加目标函数的复杂性。为了不在目标函数上增加约束项,更加简单、方便地实现先验信息的融入,本文以三维重力正则化反演为例,将先验信息融入最小支撑稳定器,实现了对最小支撑稳定器的重构,并设计了单块体和双块体模型,进行对比试验。试验结果表明:相较于基于最小支撑稳定器的三维重力反演结果,基于结合先验信息的最小支撑稳定器的三维重力正则化反演更好地还原了异常体的几何形态和物性分布;此外,基于新方法反演的误差迭代曲线收敛更快,拟合精度更高。故此,通过最小支撑稳定器的重构实现先验信息的融入是可行的,该方法适用于三维重力反演,具有实现方便且不额外增加约束项的优点。

融合响应先验信息和加权字典的移动荷载识别

稀疏正则化方法已被证明能够有效解决移动荷载识别(MFI)中的不适定性问题。然而,现有研究往往忽略了移动荷载中静态与动态分量之间的差异,导致识别精度受限。为此,提出了一种融合响应先验信息和加权字典的移动荷载识别方法。建立了车桥系统中车致桥梁响应与移动车载之间的线性关系。分别对弯矩和加速度响应开展频域分析,将获得的频率先验信息分别用于构建与静态和动态荷载分量相匹配的加权字典。利用该加权字典,采用ADMM(Alternating Direction Method of Multipliers)分别求解移动荷载中的静态和动态分量。通过实桥数值案例证明了所提方法的有效性,并在实验室开展了一系列MFI实验验证。结果表明,融合响应先验信息和加权字典能够有效提升荷载识别精度,并增强其对噪声的鲁棒性。

融合先验信息的单株植物三维结构点云配准方法

针对样本一致性初始对化(SAC-IA)点云配准算法在处理样本抽样和误差计算时存在的高计算成本和鲁棒性不足的问题,提出一种融合先验信息的单株植物三维结构点云粗配准方法。该方法首先采用“体素下采样+直通滤波+统计离群点去除”的点云预处理策略,在有效降低点云数据量的同时保留植物结构的关键特征信息。通过引入基于先验知识的初始姿态约束,对SAC-IA算法进行改进,减少不合理变换矩阵的迭代次数,从而提高配准效率,降低误匹配风险。实验结果证明,所提方法配准均方根误差为6.242,时间为0.902 s,相比SAC-IA方法节省了1.407 s,显著提升了单株植物三维结构点云配准的运算效率和鲁棒性。

附加先验信息约束的BDS-3精密授时算法

考虑到高性能原子钟的高稳定性及对应站钟钟差序列历元间强相关等特点,对接收机钟差附加先验信息约束进行精密单点定位授时测试。基于BDS-3的B1C/B2b观测信息测试结果表明,相比于传统授时模型,附加先验信息的精密授时模型具有更高的授时性能,尤其是短期稳定性提升效果可达60%。此外,BDS-3的B1I/B3I和B1C/B2b组合观测值PPP精度基本相当,均可获得水平方向优于0.5 cm、高程方向约2 cm的定位精度;得益于B1C/B2b更高的观测数据质量,其定位精度较B1I/B3I组合提高13.8%。

基于先验信息的光照鲁棒性水下视觉定位方法

本文提出一种结合声学和光学定位手段的UUV水下回收方法,并重点对视觉定位进行研究。针对光照剧烈变化情况下视觉定位稳定性差的问题,设计一种基于先验信息的目标轮廓提取算法,充分利用环境亮度信息和合作目标的物理属性,通过筛选兴趣区(ROI)、动态阈值等方法,有效解决图像背景亮度过高或亮度不均衡导致的目标漏检、误检等问题,提升对目标轮廓的分割精度,从而优化目标图像坐标及空间坐标的计算准度。在湖验中应用该算法,实现全天时、全天候对UUV目标的可靠检测与准确定位,验证了该算法对环境亮度变化的鲁棒性。

基于先验信息的地面三维激光扫描地形测绘数据去噪方法

随着地面三维激光扫描技术在地形测绘领域的广泛应用,数据准确性成为提升地图质量的关键因素.但原始数据常会受到多种噪声的影响,如环境干扰、设备误差等,严重影响测绘结果的质量.先验信息被证实能显著优化数据去噪过程,如地理环境特征、历史测绘数据及环境条件等.这种去噪方法的基础理论和数学模型提供了理解和实现这些技术的框架.文中详细探讨了利用先验信息去噪地面三维激光扫描数据的方法,包括数据同化、标准化处理、概率模型和统计分析、机器学习方法、先验知识集成、参数选择与误差分析等,以期可以提高地形测绘数据的准确性和可靠性.

融合先验信息的残差空间注意力人脸超分辨率重建模型

针对公共场所监控图像中低分辨率人脸图像利用现有人脸识别系统识别准确率低的问题,提出了融合先验信息的残差空间注意力人脸超分辨率重建模型,用该模型对低分辨率人脸图像进行预处理后再进行识别可大大提升识别准确率.该模型将面部先验结构信息嵌入到生成对抗网络模型中,再采用残差空间注意力激活算法突出空间位置中携带高频信息的特征,最后使用多阶特征融合算法充分利用不同尺度的特征,防止携带高频信息的人脸特征在网络传播中丢失.实验结果表明,重建出的超分辨率人脸图像具有更多的面部细节特征,大大提高了对低分辨率人脸图像的识别准确率,并且与其他5种模型相比,新模型具有较低的耗时和较少的参数.

基于先验信息采样一致性的点云柱面分割方法

针对点云数据在进行模型分割中存在高比例外点数据的问题,文章提出一种先验信息采样一致性的三维点云柱面分割方法。该方法首先根据三维点云数据的先验信息计算每个数据点的初始内点概率,选择概率最高的两个样本点作为初始样本子集拟合出初始模型;然后利用几何约束对模型进行预检验,并利用界限损失函数对预检验通过的模型进行模型质量判断,更新最优模型;最后通过贝叶斯定理来更新样本点的内点概率,进行下一次迭代,不断地优化内点集,得出最优模型。实验结果表明本方法相比于传统方法在时间效率上有很大提升。

基于专家先验信息的轨道不平顺预测研究

为了研究在缺乏历史数据时如何准确预测轨道不平顺的发展趋势。提出了一种可以考虑专家先验信息的轨道不平顺预测方法。通过问卷调查法获取专家先验信息并构建具有先验信息的贝叶斯线性回归模型,然后使用马尔科夫链蒙特卡洛方法对模型参数进行求解,最后对轨道不平顺的幅值进行预测和误差分析并对比了不同模型在缺乏历史数据时的预测效果。结果表明:该方法可以准确预测短期内有砟轨道不平顺的发展趋势,相关系数均在0.9以上。在缺乏历史数据的情况下,贝叶斯线性回归模型也能保持较高预测精度R2为0.88,比传统线性回归模型高17%。

基于先验信息的热像仪可靠性评估

热像仪作为红外武器系统的重要组成部分,其可靠性评估越来越重要。本文通过利用可靠性预计值作为先验信息,可靠性摸底试验数据作为后验信息,开展基于先验信息的热像仪可靠性评估研究。结果表明,基于先验信息的热像仪可靠性评估方法合理可行,将会降低经典统计法对现场试验样本容量的依赖程度,减少现场样本容量,从而节省各种资源的投入。

基于先验信息动态整合的软件可靠性验证仿真

高度复杂的软件嵌入到系统时,会因为多种因素影响出现软件失效的问题,给系统造成严重破坏,为解决以上问题,提出复杂软件可靠性验证测试方法。采用运行剖面方法对复杂软件可靠性验证测试用例实施分配和选择,获取效率高的测试用例,达到提升软件可靠性验证测试有效性的目的;以此为基础开展基于先验信息动态整合的软件可靠性验证测试,依据测试结果进一步实施失效概率置信度分析,确保实现可靠性验证测试时,失效次数低于接收次数,完成最终测试。仿真结果表明,通过对该方法开展验证耗时及可靠性验证对比,表明上述方法的可信性高、有效性强。

结合先验信息的多属性诊断测验分类研究

在动态的学习过程中,随着学习的深入和知识属性的个数逐渐增加,学生的知识状态也会发生动态变化.在这样的应用场景下如何结合先验信息提高诊断测验的判准率具有较大的挑战.该文提出基于学生对已学习属性的掌握概率来预测包含新属性后的属性向量的先验信息.考虑2种实际的应用情境,并通过模拟和实证研究来评价该方法的表现.结果表明:在2种实际学习情境中,结合先验信息在多属性诊断测验中能起到提高判准率的作用,其中在基于个体先验信息时的表现更好.基于预测先验信息的方法也摆脱了在以往研究中不同学习阶段测验属性个数一致或数量的限制,使得分类精度有较大改进.实证数据分析进一步表明该方法具有较高的应用价值.

基于视频先验信息的轻量化去噪卷积神经网络

提出了一种基于视频先验信息的轻量化去噪卷积神经网络.先验信息从近邻的多帧视频图像中获取,采用了基于预去噪的视频运动补偿方法消除噪声和运动偏移对信息获取准确度的影响.为降低卷积神经网络复杂度,构建了基于双路处理的卷积神经网络用于去除视频噪声,特别是设计了双路稠密连接单元,实现了网络的轻量化.双路稠密连接单元通过高、低分辨率特征分解和特征拼接,有效降低了网络复杂度.实验结果表明:采用本文方法去除视频噪声能够获得较好的客观评价结果和主观视觉结果 .此外,在减少网络参数、降低浮点运算次数和提升运行速度方面均体现出了良好性能.

一种合理利用先验信息的新平差方法

提出一种合理利用先验信息的新平差算法。首先,借助平衡估计的思想,通过给先验信息赋予权值,控制不准确先验信息对参数解的影响;然后,利用残差中观测信息与先验信息的误差量级,给出平衡因子的计算方法;最后,通过算例分析算法的有效性。

先验信息对足球守门员动作预测表现的影响及关键时间点

目的:考察先验信息(对手动作偏好信息)对守门员动作预测表现的影响及其影响的关键时间点。方法:选取20名高水平足球守门员(专家组)以及24名普通大学生(对照组)作为研究对象,要求以守门员的视角,在干预前后预测点球的方向。干预阶段,每组一半被试通过练习获知点球球员射门时对某一个方向有强烈的偏好;另一半被试获知球员射门时对任一方向均无偏好。点球视频采用时间阻断技术,根据呈现信息量的多少,分为多、中、少3种条件。结果:对照组在先验信息与当前信息不符时,均表现为预测成绩下降(P≤0.007),而专家组无此差异;进一步分析了专家组在不同信息量条件下的效应,发现其在当前信息量最少时,由干预阶段获得的先验信息能够显著促进专家组的动作预测正确率(P=0.001),信息量中等或最多时,先验信息无此作用。结论:先验信息影响了守门员的动作预测表现,但仅发生在当前信息量较少的情况下,而对照组无论信息量多少,都更依赖于先验信息进行预测。