基于后验信息修正的自适应交互多模型跟踪算法

针对目标运动状态变化较大甚至发生突变时,传统交互式多模型算法跟踪精度和稳定性会显著下降的问题,提出了一种在线辨识马尔可夫概率转移矩阵参数的基于后验信息修正的自适应交互多模型跟踪算法,该方法在滤波的过程中,根据不匹配模型误差压缩率的变化自适应调整先验的马尔可夫转移概率矩阵的参数,切换过程中较多地压缩不匹配模型的信息,放大匹配模型的信息,大大提高了系统的收敛速度。通过对仿真结果分析表明,论文提出的算法具有可靠、计算简便、快速等特点,模型滤波精度较高,具有一定的理论价值和实用价值。

基于后验信息的压缩感知图像重构方法

单像素相机的测量数据可采用正交匹配追踪(orthogonal matchingpursuit,OMP)算法重构,但是重构得到的图像质量不好。本文提出一种提高图像重构效果的方法,该方法利用先验信息(列模平均值)判断重构效果优劣;通过测量数据相邻列相减的操作,以增强稀疏度。首先,基于OMP对测量数据逐列重构;然后,对重构效果差的列,作相邻列相减的操作后逐列重构;最后,通过逐列累加操作得到重构效果更好的图像。实验结果表明,该方法在仅使用OMP的情况下可以使重构图像的信噪比(signal tonoiseratio,SNR)得到很大提高,虽然重构图像上有很明显的条纹,但是重构结果依然获得很大改善。

基于后验信息的高校教学质量评价方法初探

通过对现行高校教师教学质量评价方法的归纳和分析,对其存在的不足进行总结,提出一种基于后验信息的教学质量评价方法,作为现行教学质量评价方法的补充,以期对高校教师的教学质量做出更加客观、公正的评价。

中国利率期限溢酬:后验信息法与先验信息法

本文使用利率仿射模型计算出先验的国债利率期限溢酬,并和后验信息法进行对比、分析,发现由于存在着较大的估计误差,传统使用的后验信息法只能得到超额收益率,而使用先验信息法计算出的才能代表投资者当期对国债投资风险的无偏估计。我们也发现,在2005～2008年的不同时期,期限溢酬对长期利率变动的影响不同,而且交易所市场对银行间市场有引导作用。

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。

基于后验分布信息的SSAE暂态稳定评估模型倾向性修正方法

为了解决样本不平衡带来的评估倾向性问题,从深度学习模型的损失函数出发,分析样本不平衡对评估模型的影响,发现训练过程中的损失函数值能够反映样本的不平衡程度,由此提出基于样本后验分布信息的代价敏感修正方法。通过预先训练获得样本的后验分布信息,引入稳定样本与不稳定样本的损失函数均值比得到修正系数;将修正系数通过代价敏感法修正模型的损失函数,重新对模型进行训练,从而修正模型的评估倾向性。相较于传统方法,该方法从模型的训练机理上量化了样本的不平衡程度,修正系数综合考虑了样本数量与空间分布的不平衡对模型参数的影响,实现了更好的修正效果。IEEE 39节点系统和华东某区域系统的仿真结果验证了所提方法的有效性。

纵向垄断市场下信息分享对定价决策权威的影响

针对纵向垄断市场中由一个制造商和一个销售商组成的二级供应链,且销售商拥有市场需求的后验信息的情况,研究了销售商与制造商分享市场需求信息对双方中间产品定价决策权威的影响。证明了当销售商预测市场规模扩大时,信息分享后其定价决策权威增大,制造商利润减少;当销售商预测市场规模萎缩时,分享信息前后销售商的定价决策权威如何变化取决于其市场需求预测信息的相对精度。但不论需求如何变化销售商市场需求预测精度越高,销售商定价决策权威越大,其从分享信息策略中得到的受益越多。

经验贝叶斯方法在抽样调查中的应用

经验贝叶斯方法在抽样调查中的应用搞抽样调查的人往往会提出这样一个问题：如果不巧抽到一组＂坏＂样本，应该怎样进行统计推断才好呢？要想解决这个问题，必须在抽样调查中引入数理统计学的经验贝叶斯方法。贝叶斯方法认为在讨论一个统计问题时，必须考虑总体的历史资料...

一种基于译码信息的TPC帧同步方法

在TPC帧同步过程中常利用相关法来判定帧同步码，当信噪比较低时，由于误码的影响会引起误判而导致丢帧，可靠性难以保证。文章研究了在低信噪比条件下帧同步与失步时TPC译码后平均后验信息的概率统计分布的差异，提出利用平均后验信息的有效性来辅助判定帧同步码。仿真结果表明，这种方法可以提高帧同步的可靠性，减少丢帧数量。

马尔可夫矩阵修正IMM跟踪算法

传统交互多模型(interacting multiple model,IMM)滤波算法中,马尔可夫概率转移矩阵参数固定,切换过程模型概率滞后。基于后验信息修正,扩展了一种在线更新马尔可夫概率转移矩阵的自适应跟踪算法,新算法克服了原算法只能交互2个模型的局限性。在计算过程中,依据不匹配模型误差压缩率的更新信息,在线调整先验马尔可夫概率转移矩阵,模型转换过程中更多地利用匹配模型的信息,而减小不匹配模型信息的影响,使收敛速度得到了提高。最后通过多模交互3个当前统计模型(current statistical model,CSM)验证了所提算法的有效性。

基于自适应马尔可夫参数交互多模型算法的弹道导弹跟踪研究

对弹道导弹主动段和自由段进行连续跟踪已成为弹道导弹防御亟待解决的问题。采用多模型交互算法,是解决该问题一条可行途径,但传统交互多模型马尔可夫概率转移矩阵参数固定,切换过程模型概率滞后。文中基于后验信息修正,提出了一种马尔可夫参数值自适应调整算法,根据不匹配模型误差压缩率的变化,自适应调整先验的马尔可夫概率转移矩阵参数,切换过程中较多地压缩不匹配模型的信息,放大匹配模型的信息,提高系统的收敛速度。仿真实验表明:马尔可夫参数自适应调整算法对弹道导弹主动段与自由段交替处的跟踪效果优于传统多模型交互算法。

LDPC码加权比特翻转译码算法研究

近年来,基于置信传播(BP),最小和(MS)和归一化最小和(NMS)算法,已经提出3种相对应的LDPC码加权比特翻转(WBF)译码算法。但这3种WBF算法所代表的物理意义和内在的紧密联系问题目前仍未有所研究。该文依据一种全新的理解方式,对3种WBF算法进行理论推导,并阐述3种算法内在的紧密联系,最后通过仿真验证所得结论的合理性和正确性。这对于设计新的改进型WBF算法具有一定的指导意义。

贝叶斯方法在调整保险费率中的应用

根据市场经营情况适时调整保险费系统对保险公司至关重要。对贝叶斯调整保险费方法进行阐述,运用实例分析说明贝叶斯调整保险费方法估计保险费率的可行性。本文的方法和结论可运用于非寿险实务中小样本数据的保险费估计工作。

LDPC码加权比特翻转译码算法的低复杂度提前停止准则

近年来,针对LDPC码置信传播(BP)译码算法的提前停止准则的研究已经有了很多,但设计适合加权比特翻转(WBF)译码算法的提前停止准则却研究甚少。依据对WBF算法的全新理解方式,该文提出一种实现简单、适用性强的WBF算法提前停止准则,它能在译码的初始阶段检测绝大多数不可纠错的帧。仿真结果表明,基于提前停止准则的WBF算法在性能损失可以忽略的条件下,极大地降低迭代次数,在实现复杂度和性能之间达到了很好的折中。

贝叶斯统计学在遗传中的应用

经典统计分析方法在遗传学中已经得到广泛应用,而在解决许多复杂的遗传学问题中,贝叶斯方法可能显得更为有效。贝叶斯方法的优势是可以有效利用先验信息,提供解决问题更为直接的方法,从而更加直观地解释试验结果。由于从基因组及基因表达中获得的信息量越来越多,因此对统计分析方法的需求也随之增大。贝叶斯统计方法扩大了统计学研究的领域,其应用也逐渐受到重视。

一种无线视频数据多路复用单元提取算法

在分析基于BP神经网络的多路复合协议数据单元(MUX-PDU)提取算法及其局限性的基础上,根据H.223协议中mobile level 2模式下的MUX-PDU后验信息,提出一种基于BP神经网络及后验信息的联合MUX-PDU提取算法。该算法可动态调整MUX-PDU标识符的判决门限,同时在发生标识符虚警或漏报的情况下,能利用后验信息对提取出的MUX-PDU帧进行校验修正。仿真结果表明,该算法可有效降低MUX-PDU的丢包率,为提高3G视频通话质量提供了可靠保障。

基于低秩分解的织物疵点检测

针对传统低秩分解法导致的图像信息过度丢失和织物弹性导致的歪斜问题,提出一种基于Beta范数的改进低秩分解检测方法。首先,通过提取织物图的基元特征构造先验信息图。其次,采用Beta范数代替低秩分解中的核范数,并由先验信息图引导低秩分解方法对织物图进行分解,解决了传统低秩分解方法中核范数导致的图像信息过度丢失的问题。进而,提取织物图的方向梯度直方图(HOG)特征构造后验信息图,并将后验信息图和通过低秩分解得到的稀疏分量进行哈达玛乘积获得显著图,解决了织物弹性导致的歪斜问题。最后,利用最优阈值分割得到疵点图。将实验结果与已有的4种方法进行对比,结果表明,该方法可以有效抑制歪斜干扰,且检测时间更短。

一种改进的时变转移概率AIMM跟踪算法

为了解决传统的交互式多模型目标跟踪算法中马尔可夫概率转移矩阵固定不变,造成的模型切换缓慢、跟踪精度不高的问题,提出了一种基于后验信息修正的时变转移概率自适应交互式多模型跟踪算法。算法定义了一种新的修正因子,利用后验信息对概率转移矩阵进行实时修正,提高匹配模型的概率,减小非匹配模型的影响,使得系统模型能够及时、准确地切换到匹配模型。蒙特卡洛仿真实验表明,该自适应交互式多模型算法能够应用于水下目标跟踪中,相比传统交互式多模型算法,模型匹配度更高,滤波效果也更好。

基于Bayesian分析的垂穗披碱草根系力学特性估计方法

植物根系力学特性是度量植物根系对土体抗剪强度贡献,评价植物根系提高土壤抗侵蚀性和边坡稳定性的重要指标之一。该研究基于Bayesian分析,选取生长于青海天峻县江仓矿区排土场人工种植的垂穗披碱草(Elymusnutans Griseb.)为研究对象,在对其根系力学特性进行测定基础上,以测得的28组根系力学特性的期望值和方差为先验信息,以第29组根系力学特性测定值为样本信息,建立了用于计算该区域垂穗披碱草根系力学特性的正态-逆伽马后验分布,并分别计算了先验分布的超参数以及后验分布中的分布参数。研究结果表明,先验信息中,除极限拉伸应变外,其余指标均值的期望值变异性均较小且各指标的均值均服从正态分布,方差的倒数则满足伽马分布,而各指标的样本分布满足正态分布,故可通过正态-逆伽马分布对区内垂穗披碱草根系力学特性的后验分布进行描述;后验信息概率密度曲线与样本信息概率密度曲线几何形状较为相似,该结果说明后验信息更倾向于样本信息,且得到的结果亦可由柯尔莫哥洛夫-斯米洛夫检验予以佐证。此外,样本数量与先验信息离散度决定了先验均值和样本均值在决定后验均值时所占的权重。在其他条件不变的情况下,样本数量越大则样本所占权重越大。该研究可为准确计算植物根系力学特性提供思路和研究方法。

修正的马尔科夫转移矩阵自适应IMM算法

机动目标跟踪算法中,交互式多模型(IMM)算法是一种相当有效的方法。但该算法中存在Markov矩阵据先验知识给定且不变的问题。针对此问题,提出一种Markov矩阵自适应的IMM算法。该算法利用后验信息实时修正Markov矩阵,改善了位置和速度的滤波结果,使IMM算法的模型概率变化更加符合目标真实运动。经仿真验证,提出的算法具有更好的跟踪性能。