多模型贝叶斯概率决策融合的遥感影像水体提取

针对使用单个深度网络提取不同类型水体时存在泛化能力弱的问题,提出一种多模型贝叶斯概率决策融合方法。选取3个不同的深度网络U-net、ResUnet和Deeplab v3+作为基础分类器进行训练并输出遥感影像上每个像素所属水体的类别概率,基于贝叶斯构建概率自适应融合模块,得到最终的水体提取结果。实验结果表明所提出的多模型贝叶斯概率决策融合方法在水体测试集上的精确率、召回率和F_(1)值分别达到94.21%、95.49%和94.85%,对不同类型水体的融合结果比平均法和多数投票法更准确。

基于概率决策和区域生长的冠状动脉三维分割

冠状动脉的三维分割是多层螺旋CT(MSCT)心血管成像的关键算法之一,良好的分割结果可为医生的诊断提供可靠的依据.运用各向异性扩散滤波技术对冠状动脉的MSCT图像进行了预处理.对滤波后的三维数据采取基于概率决策和区域生长相结合的方法进行冠状动脉的分割.利用最大后验概率决策按照灰度值将体素分为血液、心肌和肺3种区域后,再采用三维区域生长算法提取出重要分支.实验结果表明,算法可以成功地提取出冠状动脉的主要分支,对冠状动脉CT图像的三维可视化重建及冠心病临床诊断有重要意义.

杂合灰色聚类与扩展优势粗集的概率决策方法

为了能够由多标准信息表获取最小的知识表达,提出了一种灰色定权聚类与扩展优势粗糙集杂合的方法,杂合方法建立的基本思路为:首先运用灰色定权聚类方法将由不同量纲偏好属性组成的多标准信息表生成多标准决策表,接下来应用扩展优势粗糙集方法进行概率决策分析,并导出偏好概率决策模型.该方法被应用于区域关键技术的评价选择中,获取的偏好概率决策规则可为决策者提供决策参考.

偏好多属性决策表概率决策的扩展粗糙集方法

通过用优势关系代替不可分辨关系,并设定置信阈值,α提出了一种可以从偏好多属性决策表中发现偏好概率规则集的扩展粗糙集模型。该方法可以处理偏好多属性决策表中可能的不相容性,获取由偏好对象组成的偏好概率决策规则,设计了相应的算法。研究结果表明:由该方法获取的最小偏好概率规则集,使用的条件数量较少,且导出规则的数量较少、较强。

杂合灰色聚类与变精度粗糙模糊集的概率决策方法及应用

在基于粗糙集理论或扩展粗糙集理论的不确定性决策中,仅由数据集无法获得决策表,同时由于决策属性呈现模糊性,以致于难以获取概率决策规则。针对这一类决策问题,基于灰色定权聚类与优势粗糙集变精度方法,本文构建了一种的杂合决策方法。该方法首先利用中心点三角白化权函数的灰色定权聚类方法将包含不同量纲指标的知识表示系统生成多属性决策表,而后运用变精度粗糙模糊集进行决策分析,生成概率决策规则,最后以区域关键技术的选择为例,表明该模型的可行性与实用性。

粗糙模糊决策表概率决策分析的扩展粗糙集方法

应用λ-截集将决策类中的模糊集合转换为普通集合,在此基础上推广了粗糙隶属函数,讨论了其中的一些集合理论性质,通过设定置信阈值参数α,提出了一种可以从粗糙模糊决策表中获取概率决策规则的扩展粗糙集方法,并设计了一种改进的快速约简算法,最后给出了该方法的一个算例.研究结果表明,提出的方法可从冗余的且有噪声的粗糙模糊决策表中获取用于指导实践的概率决策知识.

不完全信息下概率决策的扩展粗糙集方法

为了从不完备多属性决策系统中获取概率决策规则,提出了一种不完全信息下概率决策的扩展粗糙集方法.给出了容差关系下相容度的概念,通过设定相容阈值给出知识的粗糙下近似、上近似和边界域,然后讨论了粗糙近似的基本性质和概率决策规则的获取.通过实例说明这个新方法的可行性和有效性.

概率决策树在生物信息数据库中的一个应用

GO(GeneOntology)是个标准化的生物信息本体库,被广泛地用来注释基因数据库,然而由于GO结构设计上的缺陷以及目前对基因数据库注释方法多采用手工方式,再加上基因的许多特性尚未发现,使得这种注释还不完全。该文尝试用概率决策树的方法来学习得到基因和GO本体的内在联系,进而预测基因的本体注释情况,也就是预测基因的未知特性,这样就可以引导基因数据库管理员去完善,修正基因数据库的本体注释,并指导生物学家有针对性地设计试验。作为一个应用,用MGI基因数据数据库做试验,分析表明用该方法得到的预测结果准确性比较高。

概率决策空间上的SPA可能度格序结构

在决策过程中,考虑到事件发生概率影响到决策状态的不确定性,在概率知识表示系统中融合集对分析方法,定义概率决策空间(Ω,A,P)上的SPA(set pair analysis)联系影响度,分析SPA联系度的偏序关系,定义SPA联系函数格,给出构建SPA联系函数可能度格序结构的方法,说明这种方法的有效性,为在概率决策空间上进行格序决策提供了一种新的数据描述方法。

一种构造性的概率决策自组织分类器

从输入的原始信息得到特征通常需要复杂的非线性运算,直接找到这种算法是很困难的。而M-P神经元模型的几何意义指出:构造一个网络,使对给定的样本集能进行符合要求的分类,等价于求出一组领域,对给定样本集中的点,能按分类的要求用领域覆盖将它们分隔开来。但是,在实际的大规模应用中,如时间序列预测的典型问题———股票预测,其给定的样本集中可能含有异动点,会引起错误的学习结果,因此,有必要引入自组织和概率决策化方法,提高分类的正确性,同时还可降低神经网络的结构规模,提高识别的速度。作者给出一种构造性的概率决策自组织分类器SPDC(ASelf-adjustingandProbabilisticDecision-makingClassifier),重点讨论了在覆盖算法中引入自组织和概率决策化方法。

D型概率决策形式背景下的规则获取

基于不确定性决策问题,提出一种D型概率决策形式背景,并针对D型概率决策形式背景定义"△"算子,获得概率形式概念,构造相应的概念格。又定义了D型概率决策形式背景的协调性,在协调的背景上进行规则获取。进一步,剔除冗余规则,简化规则集。最后,给出概率概念格生成及规则获取算法,以便于计算机的实现。

杂合灰色聚类与变精度粗糙模糊集的概率决策方法

在基于粗糙集理论或扩展粗糙集理论的不确定性管理决策中,仅由数据集无法获得决策表,同时决策属性呈现模糊性,以至于无法获取概率决策规则。鉴于此,本文构建了灰色定权聚类与粗糙集变精度的杂合模型,首先运用基于中心点三角白化权函数的灰色定权聚类方法对包含不同量纲指标的知识表示系统进行处理,生成多属性决策表,而后运用变精度粗糙模糊集进行决策分析,获取概率决策规则。最后以区域关键技术选择为例,表明该模型的可行性与实用性。

多标准决策表中发现概率规则的变精度粗糙集方法

用优势关系代替不可分辨关系 ,本文提出了一种可以从多标准决策表中获取概率规则的扩展变精度粗糙集模型 ,该模型能够处理多标准决策表中可能的不一相容性 ,获取由偏好对象组成的概率决策规则集 ,并导出事例决策系统的偏好模型。研究结果表明 :基于优势关系 ,从多标准决策表中获取的最小概率规则集 ,使用的条件数量较少 ,且导出规则的数量较少。

不完备决策系统中发现偏好概率规则的粗糙集方法

为了从有偏好信息但信息不完全的多属性决策系统中获取概率决策规则,提出一种新的不完全信息的多属性粗糙决策分析方法。首先,提出扩展优势关系下相容度的概念;其次,基于相容度给出知识的粗糙近似,并证明了粗糙近似的基本性质;再次,给出粗糙近似的分类质量与β-约简的概念,并从不完全信息的偏好决策系统中导出概率决策规则;最后,通过一个实例说明新方法的可行性和有效性。

概率区间型决策中求方案期望值极值的简便算法

给出了一个求概率区间型决策中方案的最大期望值和最小期望值的简便算法 ,证明了该算法的正确性 。

基于决策概率的接入网选择

为了指导移动用户在B3G的异构系统中选择一个最优的无线网络接入,提出了基于决策概率的接入网络选择算法。该决策概率综合考虑了网络服务质量(QoS)的满意度、网络的收费价格和用户与网络间的相对链路质量。在NS2仿真平台下,搭建了UMTS和802.11e的异构仿真环境并模拟了用户依据决策概率所进行的网络选择行为。仿真表明,通过所提出的算法,终端能够选择到满意的网络进行接入。

风险量化的高比例新能源电力系统概率调度

新能源大规模并网给电力系统的运行带来重大技术挑战,传统确定性调度模式缺乏对不确定性条件下的安全风险量化管控,而鲁棒优化调度过于保守。基于随机优化的概率调控技术具有风险可控、统计最优性等特点,但是存在概念与内涵不清、概率建模困难、复杂机会约束模型求解低效等问题,概率调度技术的实际应用面临困难。为此,提出了风险量化的概率调度定义与技术内涵,阐释了处理新能源发电不确定性所遵循的基本原理,然后重点介绍了如下概率调度的关键技术:1)新能源概率建模的数学基础;2)概率备用决策与机组组合;3)考虑弃电与有序用电的概率日前调度计划;4)随机鲁棒自适应实时调度。最后,简要分析了所提方法在省级电网的应用效果,并对后续的研究进行了展望。

生物多样性风险分析的概率排序型决策网络计算软件

针对农田生物多样性分析的需要,研制了概率排序型决策的网络计算软件ProbRankDecision,可进行概率排序型决策和一维有序聚类分析。该软件由六个类和一个HTML引导文件组成。具有图形用户界面,可在多种支持Java的网络浏览器上运行。用该计算软件对有害生物可持续管理的一种生物多样性问题进行了风险案例分析。同时,讨论了概率严排序决策、概率弱排序决策和一般风险型决策的应用条件,以及用贝叶斯分析改进状态概率排序的方法。网络在线计算软件ProbRankDecision的应用有助于生物多样性风险分析的规范化,也有利于数据和信息共享。

一种基于确定度的决策概率转换方法

针对现有将基本概率赋值转换为决策概率方法的不足,提出一种基于确定度的决策概率转换方法。该方法根据基本概率赋值的特点,将单子集命题的基本概率赋值之和作为系统对命题的确定度,并用其对比例信度转换方法和比例似真度转换方法进行线性组合,得出命题的决策概率。通过算例对比新方法与已有方法,结果表明新方法更加合理有效。

采用贝叶斯决策概率型DT-MRI的脑白质纤维追踪成像

弥散张量磁共振成像(DT-MRI)的脑白质纤维追踪成像可无创重建脑白质纤维的三维结构,而现有追踪成像方法一般仅考虑局部纤维的弥散倾向,对纤维束几何结构的综合考虑不足,为此提出一种贝叶斯决策概率型的纤维追踪成像算法.该算法通过纤维束当前体素的弥散张量方向和纤维束几何结构信息,利用贝叶斯决策理论估算追踪下一体素的方向概率分布;按照概率分布对纤维束进行加权采样,重建纤维束的三维结构图像.最后利用文中算法在合成弥散张量数据上进行了成像仿真,在真实脑部DT-MRI数据上进行了成像实验.仿真和实验结果表明,该算法能实现预期的脑白质纤维追踪成像,比现有追踪成像方法结果更可靠,可重复性更强.