最大熵先验下正态分布模型的Bayes模糊假设检验

研究了正态分布总体在方差已知，总体均值为正的条件下，获得最大熵先验分布，并根据贝叶斯风险准则求得多重模糊假设检验问题的最优决策．最后用算例说明其有效性．

多元先验信息的融合问题

在多元先验信息条件下,运用Bayes理论讨论问题时,必然会遇到先验信息融合问题.文中提出了几种简化形式,并针对产品失效率的多个先验信息情形,结合实例与熵度量的拟合优度说明了该方法的合理性.

贝叶斯原理的不确定度评定方法比较

针对仅依据测量样本信息进行不确定度评定的局限性,利用贝叶斯信息融合原理,分别研究了基于无信息先验、共轭先验和最大熵先验分布的测量不确定度评定与更新方法,使评定过程充分融合历史先验信息和当前样本信息,提高了测量不确定度评定的可靠性。仿真实例表明:无信息先验方法没有将各组测量数据融合,其仿真结果波动最大;共轭先验方法仿真结果波动较大,经过多次数据融合逐渐趋于理论值;最大熵先验方法仿真结果波动较小,经过数据融合逐渐趋近于理论值。

正态分布产品的Bayes可靠性抽样检验方案

在正态分布产品的指标值为正,总体方差已知的情况下,利用最大熵先验分布,研究指标值均值的可靠性抽样检验方案.通过指标值均值的后验分布,依据生产方和使用方所能承担的最大风险的限制确定检验的最小样本量.算例说明其效果比经典统计方法确定的样本量更小,并且其运算方法更加便捷.

具有显著异常值的夜间模糊图像非盲去模糊

为了抑制夜间模糊图像中常出现的各类异常值对去模糊的影响,提出了一种基于联合稀疏与最大熵先验的异常值检测与去模糊算法,该算法能够有效检测分布具有稀疏性的异常值。另一类异常值-饱和像素的分布通常具有聚集性,为此设计了一种高度饱和区域周边振铃伪影修正算法作为复原图像的后处理步骤。在包含冲击噪声的数据集上测试表明,本文算法能够对不同密度的噪声有效自适应。在部分饱和模糊图像上的实验显示,本文算法复原图像的平均SSIM值相比其他先进算法提高了0.1以上。