基于动态贝叶斯估计的疲劳驾驶识别研究

疲劳驾驶是导致交通事故的主要原因之一。为了对驾驶员的疲劳状态进行有效识别,通过无线测量设备采集6名长途客车驾驶员的脑电、肌电和呼吸信号,并对其进行分析处理。结合当下时刻的上下文信息(睡眠质量、驾驶条件、生理节律),利用信息融合技术,建立3层隐马尔可夫模型,从而实现对疲劳驾驶的动态估计。从两种不同情况出发,估计驾驶过程中不同时刻驾驶员疲劳的概率。基于贝叶斯模型的预测结果与主观评分结果的一致性达到了0.87,表明所提出的模型能够对驾驶员的疲劳状态进行有效的动态识别。

弹道导弹威胁估计模型构建

简要分析了弹道导弹飞行3个阶段的不同特点及各阶段导弹预警探测手段的侧重点,结合威胁估计的特征构建了弹道导弹威胁估计模型结构框架,运用多阶段贝叶斯网络理论,构造了主动段、自由段和再入段威胁估计模型,并明确了三阶段间的转换时机。采用动态贝叶斯方法对弹道导弹作战全过程进行威胁估计仿真推理,仿真结果能够反映导弹在飞行过程中威胁程度的变化特点,为反导指挥员作出辅助决策提供智力支持。

基于贝叶斯方法的风险价值VaR的计算

本文率先用贝叶斯方法估计风险价值,实现了利用最新日收益数据对风险价值进行动态预测,接着运用信度理论讨论了该方法的优越性,并运用该方法对深圳A股的风险价值进行了实证分析。