基于后验概率空间变化向量分析的NSCT高分辨率遥感影像变化检测

非下采样轮廓波变换(non-subsampled contourlet transform,NSCT)和变化向量分析法(change vector analysis,CVA)在高分辨率遥感影像变化检测中,会因不同地物的变化幅度有显著差异,而在单一阈值下无法保证较高的检测精度。为此,文章在后验概率空间变化向量分析(change vector analysis in posterior probability space,CVAPS)的框架下,提出了一种基于模糊C均值聚类(fuzzy C-means,FCM)和简单贝叶斯网络(simple Bayesian network,SBN)的NSCT变化检测方法(FCM-SBN-CVAPS-NSCT)。该方法首先将FCM与SBN耦合,计算出后验概率变化强度图;之后,通过NSCT将后验概率变化强度图分解为不同尺度和方向的子图,通过保留高频子图中的细节并消除噪声,优化了重构后的后验概率变化强度图,实现了后验概率空间下的多尺度、多方向的变化检测,最终提高了变化检测的精度。实验结果表明,所提方法在3个研究区中得到的Kappa系数比FCM-SBN-CVAPS分别高出了0.1009,0.0566和0.0674,具有一定的优越性。

基于局部方差和后验概率分类的快速模板匹配算法

具有旋转不变性的模板匹配算法在工业制造上具有广泛的应用。为解决传统的模板匹配方法在目标旋转、匹配速度上的问题,提出一种基于局部方差和后验概率分类的模板匹配方法。为减少计算量,在匹配中通过局部方差过滤掉部分候选窗口,并在后验概率分类模块中通过对比不同区域稳定特征点对的灰度来计算窗口相关性。使用后验概率分类计算窗口相关度能在预处理过程实现旋转不变性,并保证准确率在95%以上。实验结果表明,该算法在80万像素级的任意角度匹配图像上选择合适的窗口移动步长后,可将匹配时间减少到10 ms以内,相较于现有算法速度更快。

基于最大后验概率准则的天基星座网络多用户检测方法

天基星座网络中用户可以随意进出自由组网,活动用户的数量、身份和发送的数据随机变化,对接收用户的性能造成很大影响。多用户检测是指识别每个活动用户的身份并检测每个活动用户发送的数据。传统方法假设活动用户数等于网络可以容纳的最大用户数,这种方法模型比较简单且误码率性能不够理想。提出了一种基于最大后验概率准则的多用户检测方法,该方法将用户的活动状态建模为马尔科夫链,并将多用户检测转换为在网格图中使用BCJR算法搜索最优路径。仿真结果表明,当活动状态错误概率和符号错误概率达到10^(-3)时,本文所提方法与对照方法相比分别获得2.6 dB和1 dB信噪比增益。

鉴别性最大后验概率声学模型自适应

为了更加准确地估计最小音素错误最大后验概率(MPE-MAP)自适应算法中的先验分布中心,使自适应后的声学模型参数更为准确,从而提高系统的识别性能,分别采用最大互信息最大后验概率(MMI-MAP)自适应和基于最大互信息准则与最大似然准则相结合的H-criterion最大后验概率(H-MAP)自适应估计先验分布中心,提出了基于最大互信息最大后验概率先验的最小音素错误最大后验概率(MPE-MMI-MAP)和基于H-criterion最大后验概率先验的最小音素错误最大后验概率(MPE-H-MAP)算法。任务自适应实验结果表明,MPE-MMI-MAP和MPE-H-MAP算法的自适应性能均优于MPE-MAP、MMI-MAP和最大后验概率(MAP)自适应方法,分别比MPE-MAP相对提高3.4%和2.7%。

一种基于后验概率差值的拒识算法

本文提出了一种孤立词语音识别系统中基于后验概率差值的拒识算法。研究了作为拒识特征时,输入词的后验概率和后验概率差值之间的区别,并将多层感知人工神经网络用于拒识特征的学习。相比现存的几种拒识算法,本算法几乎不需要额外的计算和存储量。当识别率为98.2％时,拒识率达到了95.4％。

以部分后验概率表征后验概率是可行的吗?

斯特雷文斯用部分后验概率P(H/┐(H&A))(文中的Q(H))来表征和预计后验概率P(H/E)(文中的P+(H)),尝试为奎因-迪昂问题(Q-D)的解决以及特设性假设评价标准问题提供一种客观贝叶斯主义方案。这一方案是否可行的关键是P(E/H&┐A)/P(E/┐(H&A))=1+ε是否是可满足的。斯特雷文斯揭示出在重要的Q-D情况(文中的情况3)下,该条件是可满足的。笔者通过对斯特雷文斯方案的分析,进一步回应费特尔森等对此方案的质疑,认为此方案是基本可行的。有待进一步研究的问题则是独立性假设的合理性问题。

基于Markov约束的泊松最大后验概率超分辨率图象复原法

提出了基于 Markov约束的泊松最大后验概率 ( Poisson-MAP)超分辨率图象复原方法 ( MPMAP) ,该方法把 Poisson-MAP法和 Markov随机场先验分布有机地结合在一起 .实验表明 ,该方法能有效地减少和去除复原图象中的噪音和振荡条纹 ,提高图象复原质量 。

支持向量机与分类后验概率空间变化向量分析法相结合的冬小麦种植面积测量方法

利用遥感手段提取农作物种植面积时,需要结合作物物候特征,以提高面积的提取精度。该文以北京市通州区西南部为试验区,以冬小麦为研究对象,利用多时相的环境减灾小卫星遥感影像数据,通过基于支持向量机二分法的分类后验概率空间变化向量分析法进行冬小麦种植面积遥感测量试验研究。研究结果表明:该文提出的方法测量结果总体精度、Kappa系数分别为95%、0.90,远高于支持向量机(SVM)分类后直接比较方法(总体精度91%,Kappa系数0.79);解决了实际应用中的变化阈值选取的主观性问题,该方法的频度直方图两极化现象使得变化阈值取值部分频度被压低摊平,阈值敏感度降低,变化阈值取值更为客观,一定程度上解决了阈值难以设定的问题;SVM二分法和变化向量分析的结合增强了对光谱的敏感性,能够监测不同季相上植被的长势变化,进而提高了农作物种植面积遥感测量的精度,同时对其他农作物种植面积测量提供了途径。

基于最大后验概率的图像匹配相似性指标研究

图像匹配是视觉跟踪领域中的重要环节,利用巴氏(Bhattacharyya)系数度量模板与待匹配区域之间的统计特征相似性是图像匹配中最有效的方法之一.但是由于背景特征的影响,有时应用巴氏指标进行匹配得到的最优解的位置并不一定是目标特征的实际位置,因而在视觉跟踪过程中目标定位可能出现偏差,甚至跟踪错误.本文提出了一种基于后验概率的图像匹配相似性指标,该指标利用搜索区域的统计特征,能有效抑制待匹配区域特征中背景因素的影响,同时突出了目标特征的权重,与巴氏指标相比明显改善了匹配函数的峰值特性.这种指标的另一突出优点是计算复杂度很低,容易得到全局最优解.与巴氏系数指标的匹配结果进行的比较表明,本文所提出的匹配指标在复杂背景下具有更强的目标识别与分辨能力.

一种基于最大类间后验概率的Canny边缘检测算法

在分析了传统的Canny算法的基础上,用自适应滤波器代替原有的高斯滤波器,并利用交叉熵来度量目标和背景间的差异,结合贝叶斯判断理论,将这种类间差异性用原始图像中的像素点判决到目标和背景两类区域的后验概率之间的交叉熵的平均值来表示,通过最大化将像素点判决到不同区域的后验概率来获取最优的高低阈值。实验证明改进的算法具有很好的边缘检测效果。

基于贝叶斯最大后验概率准则的大型复杂系统故障诊断方法研究

针对大型复杂系统的特点,在故障空间建立故障源—测试依赖关系模型。在此基础上,将贝叶斯理论引入大型复杂系统故障诊断,以最大后验故障概率为准则判断系统所处的运行状态。将该问题归纳为集合覆盖问题(SCP),用拉格朗日松弛算法求得近优解。将算法应用到阿波罗飞船发射前故障诊断实例中,取得了满意的实验结果。

基于后验概率的支持向量机

在支持向量机 (supportvectormachines ,SVM )中 ,训练样本总是具有明确的类别信息 ,而对于一些不确定性问题并不恰当 受贝叶斯决策规则的启发 ,利用样本的后验概率来表示这种不确定性 将贝叶斯决策规则与SVM相结合 ,建立后验概率支持向量机 (posterioriprobabilitysupportvectorma chine ,PPSVM )的体系框架 并详细讨论线性可分性、间隔、最优超平面以及软间隔算法 ,得到了一个新的优化问题 ,同时给出了一个支持向量的新定义 实际上 ,后验概率支持向量机是建立于统计学习理论(statisticallearningtheory)基础之上 ,是标准SVM的扩展 针对数据 ,还提出了一个确定后验概率的经验性方法 实验也证明了后验概率支持向量机的合理性。

基于后验概率解码段模型的汉语语音数字串识别

通过对语音解码的分析指出了基于似然概率解码的连续语音识别的局限性,并给出了三种基于后验概率段模型(Segment Model,SM)的语音解码方法.这三种方法成功地运用于随机段模型(Stochastic Segment Model,SSM),使误识率比基线系统下降了11%;与此同时还给出了段模型的快速算法,使算法的计算复杂度降到了与隐马尔可夫模型(Hidden Markov Model,HMM)相同的数量级,满足了实用要求.

支持向量机中引入后验概率的理论和方法研究

目前支持向量机解决模式识别问题是广大学者研究的热点，样本的后验概率在模式识别中至关重要，但是传统的支持向量机技术不提供后验概率．针对这一问题进行了３个方面的研究：①在给出样本点后验概率的基础上，将大规模优化问题分解成最大似然函数和最大分类边界两个小规模优化问题；②给出了一种新的用后验概率修正最优分离超平面的方法，并且分析了该新方法的合理性；③用图像分类的３组实例说明本方法的有效性．

一种基于SVM后验概率的MRF分割方法

提出了一种基于SVM后验概率的MRF分割方法,将支持向量机的后验概率应用于Markov随机场方法中,通过贝叶斯公式将对样本条件概率的估计转换为后验概率估计,再通过对SVM决策函数输出的映射来产生后验概率,并将SVM估计的后验概率信息带入MRF模型实现分割,从而完成了一种新的Markov随机场模型的分割方法。实验结果表明,采用此方法分割纹理图像可以获得较好的分割结果。

支持向量机后验概率方法在多任务脑机接口中的应用

基于运动想象的脑机接口是把使用者的运动意图转变成控制外部设备的信号,它包括脑电数据采集,特征提取和模式分类等几个基本环节。本研究发展了用支持向量机后验概率输出进行分类,并用分类结果中具有大概率的测试样本扩充训练集的模式分类与特征更新方法,并把此方法应用于4类任务运动想象脑机接口实验。使用BCI CompetitionⅢ的数据Ⅲa,运用一对一共空间模式扩展方法进行特征提取,用支持向量机后验概率方法进行分类和训练样本扩充。结果表明:概率信息能提高BCI的性能;应用概率信息选取样本扩充训练集能增加分类器的稳健性。

基于类条件置信变换的后验概率估计方法

后验概率估计是模式识别多分类器组合方法研究的基础 ,该文提出了最近邻距离分类器后验概率估计的类条件置信变换方法 .后验概率被认为集中在最近邻类与次近邻类上 ,而且对每一个模式类 ,都有一个类条件置信变换函数 ,该函数可以通过实验数据估计得到 .实验采用Concordia大学CENPARMI手写体数字数据库与南京理工大学手写体数字数据库 .实验结果表明该文所提出的类条件置信变换方法是合理的 ,在降低识别错误率上 ,优于现有的投票法、记分法、线性法以及自适应置信变换 (ACT)法 .

基于最大后验概率的SAR图像自适应超分辨率盲重建

提出了一种SAR图像自适应超分辨率(SR)盲重建算法。首先给出了一种图像退化过程中模糊核函数的选择策略;然后基于最大后验概率提出了新的SAR图像配准与SR盲重建的框架;再次,针对每一幅低分辨率图像引入了重要性权值并随之给出了迭代算法的总体框架,使得算法具有自适应性。试验表明,算法在SAR图像SR重建上取得了良好的效果,并且具有较好的收敛性。

后验概率图与补白模型二次融合的关键词识别

使用全连接神经网络结合Softmax分类器对汉语的408个音节建立音节分类器,利用等长处理后的特征向量训练Softmax分类器,将Softmax分类器输出概率作为后验概率图,与隐马尔科夫补白模型(HMM/Filler)进行第一次融合,得到子后验概率图隐马尔科夫模型(Posteriorgram-HMM).针对关键词训练样本较少的问题,将标注样本进行强制切分,得到HMM每个状态上的训练数据.将隐马尔科夫最大后验概率基线模型(HMM-MAP)与Posteriorgram-HMM进行第二次融合,提出最大后验概率图隐马尔科夫模型(Posteriorgram-HMM-MAP).在数据集上训练模型后,使用测试数据对其进行测试.结果表明:Posteriorgram-HMM-MAP的综合识别率相比PosteriorgramHMM提升了3.55%,相比HMM/Filler提升了10.29%.

基于后验概率的不平衡数据集特征选择算法

针对不平衡数据集,提出一种基于后验概率的特征选择算法。该算法引入基于Parzen-window方法估算的不均衡因子,并以Tomeklinks中点为初始值进行迭代,找出满足后验概率相等的判别边界点,通过对这些点法向量进行投影计算得到各特征的权值。实验表明,对于不平衡数据集,该算法在不降低分类器总体性能的基础上,不仅可以有效降低维度,节省计算开销,而且能够避免常规特征选择算法用于不平衡数据时忽视小类的缺点。