基于双层贝叶斯分类的空间负荷预测

采用分类模型进行空间负荷预测。由于决定负荷密度的各属性之间并非完全独立,传统分类器分类效果并不理想。为此,该文采用双层贝叶斯分类模型,该模型是朴素贝叶斯分类模型的扩展,通过选取关键属性将单一属性集划分为强属性集和弱属性集,弱化了各属性间相互独立的假设,提高了对样本分类的正确性。给出了构建和训练该模型的方法,在正确分类的基础上,文中采用类内相似度方法进行负荷密度的修正。实践和算例证明,该文模型和算法适合进行空间负荷预测。

基于小波域双层贝叶斯模型的图像复原

为了克服正交小波变换用于图像复原引起的振铃现象,提出了一种基于小波域双层贝叶斯模型的图像复原算法。采用移不变小波变换,经过简单的转换,使计算复杂度较正交小波变换法并没有显著增加。对于涉及小波系数和超参数的估计问题,通过双层贝叶斯模型方法解决。首先使用局部高斯分布作为第一层模型,主要用于刻画原始图像小波系数的先验分布;第二层模型用于对超参数的估计,假设局部逆方差为服从Gamma分布的随机变量。基于双层贝叶斯模型,采用最大后验概率估计(MAP)同时进行参数估计与图像复原,计算机实验验证了该方法的有效性。

基于双层贝叶斯模型的航道网络安全通航风险分析

为减少航道通航风险,针对航道网络结构复杂性以及通航风险的多源性,引入航道网络概念,在分析网络结构及风险因素的基础上,运用双层贝叶斯网络模型构建航道网络风险分析模型。该模型能够分析出航道网络通航风险与网络结构之间的关联,并识别出航道网络中的关键薄弱节点,同时可得出各风险影响因素对航道网络安全通航风险的敏感度。算例分析结果表明:比起单一的事故风险概率,考虑到航道网络结构因素的薄弱节点识别更加合理;各风险影响因素中“船员专业素养”对航道网络通航风险影响最大,其次是“船员心理”、“缆绳断裂”等因素。

公共交通方式对居民出行影响的Mix-Logit测度研究

目的:为了探明居民公共出行特征,特别是公共交通方式特性对居民出行行为的影响程度。方法:以武汉市为例开展了一次居民公共出行意愿调查。结合武汉市公共交通现状,采用离散选择法设计调查问卷,开展基础数据调研,回收了490份有效问卷。首先,介绍了调查指标的选取、数据的处理与校对、出行效用Mix-Logit模型的待估参数;然后,对有效样本进行吉布斯采样生成马尔科夫链,用Metropolis-Hastings算法做蒙特卡洛仿真,从而获得一个符合现实出行选择的多元分布,采用双层贝叶斯估计法完成模型参数估计;最后,采用逐步回归法进行模型的检验。结果:经过3次逐步回归分析,得到了最大的回归方程显著性检验指数27.886,判断系数为0.738、拟合优度为0.766,说明模型参数标定较好。结论:居民出行费用的测度是出行时间的2.6倍,是出行舒适度的1.6倍,说明出行者敏感度最低的是出行费用属性。该模型可以应用在交通诱导方案制定、交通信息发布等领域,也可为公交(地铁)限时分阶段计价提供参考。