基于有误先验融合的无源多目标定位算法

利用无源定位技术,可对无法发射无线信号的目标进行定位。在许多实际的定位场景中可通过粗定位或目标历史位置信息获取目标位置的先验知识。利用目标位置先验知识可促进定位精度的提升,但实际中获取的先验知识通常是不完整的或包含错误信息。为有效利用此类部分有误的先验知识,提出了基于有误先验融合的无源多目标定位算法。仿真实验结果表明,该算法能利用部分有误先验知识中的有用信息提升定位性能。

运载火箭精度评估的Bayes异质先验融合方法(英文)

为充分利用运载火箭观测中的不同观测空间和过程的信息来进行精度评估 ,针对该背景建立了异质先验融合的数学描述。研究了飞行试验中不同观测空间和过程的异质先验信息和数据 ,基于不同观测过程的解析关系 ,将间接过程的先验和观测数据算出的后验分布转换成落点观测空间上的先验 ,与原落点的先验进行了最大熵加权融合 ,得到混合后验分布 ,从而结合落点观测数据给出评定结果。在无法解算出精确的制导工具误差系数的情况下 ,这种方法充分利用了弹道跟踪数据、工具误差系数的地面测试先验值、落点先验及落点数据 ,稳健性更好 。

基于先验融合的Bayes递归精度评定方法

制导工具误差分离与落点精度分析是武器精度评定中最为关心的问题之一.为充分融合观测信息进行精度评估,在对制导工具误差系数的测试值进行先验融合的基础上,结合遥外弹道观测数据求解制导工具误差系数,并将相应的制导工具误差与弹道差的Bayes实时融合结果进行了比较.建立了递归的落点精度评估方法,将由地面测试先验导出的落点先验与落点观测数据进行加权融合,给出落点评定结果.理论分析和仿真计算表明,信息融合后得出的评定结果更加稳健.

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。

融合先验知识的路面PCI支持向量机预测方法

沥青路面PCI预估模型是路面管理系统的重要核心内容.提出一种融合先验知识的沥青路面PCI支持向量机预测方法,通过对PCI衰变模式及宏观PCI衰变模型等先验知识的学习,改进传统时间序列预测对PCI衰变阶段突变的适用性.运用上海市绕城高速实测数据进行了该方法的实例验证,3年内预测平均相对误差仅为1.67%,说明该方法具有科学可靠的优点,具有一定的应用前景.

基于融合先验方法的贝叶斯网络结构学习

从数据中学习贝叶斯网络结构是一个非确定性多项式困难(non-deterministic polynomial hard,NP-hard)问题,当数据样本不充分时难以获得准确的模型,此时利用先验信息是一种有效的途径。但是利用先验信息的过程中如何适应不正确的先验信息,是一个待解决的问题。针对此问题,提出一种融合先验的方法进行贝叶斯网络结构学习,在评分搜索法的两个环节中解决这个问题:第一,提出了新的融合不确定先验信息的评分函数,考虑了先验信息与数据集的权衡。第二,提出了融合不确定先验信息的搜索策略,增强先验信息利用的鲁棒性。所提方法适用于任何启发式搜索。仿真结果表明了所提方法能有效地利用正确的先验信息,而且对错误的先验信息有较强的适应能力。

融合颜色和强度先验信息的几何形变模型在医学图像分割中的应用

研究了一种基于融合颜色和强度先验信息的几何形变模型的医学图像分割算法。首先借助遗传算法,从图像的不同颜色空间中得到对应颜色分量的阈值,然后将这些阈值所代表的先验信息融合到形变模型的进化曲线中,从而得到了改进的基于leveI set的几何形变模型。采用临床骨髓细胞和乳腺细胞分别进行了实验,结果表明相对于传统的只利用图像梯度信息的形变模型．算法不仅能得到更精确的结果,而且具有更快的运行速度。

机器人修磨中融合先验知识的适应学习建模方法

针对机器人修磨磨削量建模中处理突变因素的难题,本文首先从机器学习建模方法的角度指出该问题与统计学习的不同点,并把问题形式化,然后在此基础上提出了融合先验知识的适应学习建模方法.该方法基于半经验公式生成虚拟样本,不但弥补了适应学习建模中新样本不足的问题,而且把半经验公式中的信息更充分地融合到学习机模型中.实验结果证明,该方法使适应建模具有更快的速度和更高的精度,在实际应用中可提高加工效率,降低由于动态因素变化带来的废品率.

科学文化与人文文化的和解——卡尔-奥托·阿佩尔先验解释学研究

卡尔-奥托·阿佩尔的先验解释学论证了西方分析哲学与解释学所分别代表的科学文化与人文文化在说明和理解、技术性旨趣与实践性旨趣之间具有互补关系,他同时重构了知识的先验条件,以此证明两种文化在本质上内在统一的,并且探讨了它们融合的方案。阿佩尔的先验解释为我们今天建设和谐文化提供了一个有益的视角。

贝叶斯融合在SAR图像分类中的应用

本文研究将数据融合理论用于SAR图像分类 .通过贝叶斯理论进行多通道SAR图像测量级数据融合 ,充分利用像素的从属信息并获得单通道分类无法获取的分类结果 ,有效保留各通道有用信息并抑制图像中的斑点噪声 ;针对贝叶斯融合涉及到的先验概率的问题采用两种方式进行先验概率估计 ,对估计引起的马赛克现象提出了三种解决方法 ;并提出三种先验概率融合方法 。

基于多尺度分割的高光谱图像稀疏表示与分类

针对高光谱特征的稀疏表示,提出了一种基于多尺度分割的空间加权算法用于高光谱图像分类。该算法采用更合理的邻域定义挖掘空间先验信息,优化类边缘像元的稀疏表示。首先,通过多尺度分割提供邻域空间约束;结合拉普拉斯尺度混合(LSM)先验,分别对每个邻域组内像元进行空间加权的稀疏表示。然后,采用概率支持向量机(SVM)分类,同时提供像元的分类标签及其置信度。最后,以此置信度为权重,对多尺度分类图进行加权融合,生成最终的分类图。实验显示,本文算法能够增强光谱特征表示的稀疏性和鲁棒性,提高总体分类精度;在小样本训练下,单类的分类精度可提升30%左右,表明该算法在高光谱应用中具有较强的实用性。

基于对比度优化流形排序的显著目标检测算法

现有的基于背景先验的显著性算法模型中存在先验区域选取不合理的问题,导致计算出的前景区域不准确,影响最终结果。针对该问题提出了基于对比度优化流形排序的显著目标检测算法。利用图像边界信息找出背景先验,设计出采用显著期望、局部对比度以及全局对比度三个指标来衡量先验质量的算法,并根据先验质量设计带权加法,代替简单乘法融合显著先验,从而使显著先验更加准确。从先验中提取显著区域时,更改了选取阈值的策略,更合理地选取出前景区域,再利用流形排序得到显著性图,从而使显著性检测结果更加准确。实验结果表明,与同类算法相比,所提算法突出显著区域,减少噪声,更符合人类视觉感知,并在处理时间上领先于深度学习方法。

基于单轨道OT DInSAR的矿山时序三维多量级形变重建

提出一种矿山地表时序三维多量级形变重建方法。首先利用单轨道OT和DInSAR技术提取LOS向非连续的多量级形变;再结合形变先验融合模型和概率积分法构建矿山三维多量级形变重建模型;最后以神东大柳塔矿山52303工作面为研究对象,对覆盖研究区的6对高分辨率TerraSAR-X数据进行时序处理,获取长时间序列的矿山地表三维多量级形变监测结果。与水准测量结果对比发现,该方法与水准测量结果形变趋势一致,垂直向、东西向和南北向的均方根误差(RMSE)分别小于0.1880 m、0.2243 m和0.2074 m。该方法不仅能准确测量矿山地表三维多量级形变,还能精细反演矿山地表沉降漏斗边缘到中心的形变特征。

基于融合先验信息的仿真交互可信度评估方法

交互行为可信是分布式LVC(Live Virtual and Constructive)仿真系统可靠运行和正确推进的基础。针对交互行为可信性问题,提出了一种贝叶斯框架下的基于融合先验信息的仿真交互可信度模型。明确了交互一致和交互可信度的基本概念,构建了交互可信判断模型;通过引入继承因子,确定不同信息的可利用程度,对分布式LVC训练仿真系统的历史信息和专家经验等先验信息进行融合,并在此基础上,通过实时交互信息测试和交互可信判断,运用贝叶斯方法得到交互可信度的后验估计。该方法可以较低的系统负载,来保证实时可靠地监测交互可信度,为分布式LVC训练仿真系统可信度问题研究提供了一种新的实用有效的方法。

基于知识原型网络的小样本多功能雷达工作模式识别

在认知电子战中,对多功能雷达工作模式的识别是至关重要的一个环节.在实际中,由于多功能雷达工作模式的多样性、隐藏性,能侦收到的不同工作模式脉冲样本数可能较少.因此,如何在少量样本条件下,准确识别多功能雷达的工作模式,对雷达对抗具有重要意义.针对此问题,本文提出了一种将模式先验知识与原型网络相融合的识别方法.该方法的核心是将雷达工作模式先验知识进行编码映射,并融入原型网络训练,实现知识在网络模型中的内嵌,以在少量训练样本条件下获得更好的识别性能.仿真结果表明,融入了先验知识的原型网络与不使用先验知识的原型网络、SVM分类器相比,识别准确率分别提升了2.9%和10.5%.

融合点测量信息的光学层析方法

光学计算机层析术的困难在于不能得到足够的信息以完全确定探测目标。理论上 ,将先验知识融入层析术可以在一定程度上降低病态程度 ,而实际中场的一组孤立点的测量值是一种更为直接的可得信息。利用 ART3算法对于含噪声、甚至部分缺失的投影数据具有很好的鲁棒性 ,并且能友好地融合来自其他测量系统的信息的特点 ,提出一种利用点测量信息的自适应方法 ,避免了对重建过程引入原本不存在的高频信息 ,以及在迭代过程中对预期的低频分量的过抑制 ,保证系统的稳定。