基于Bayes规则与HMM相结合的步态识别方法研究

提出一种将Bayes规则与HMM相结合的步态识别方法.检测环节通过采用重心变化作为特征序列来削弱时间差分算法中运动实体目标存在中空的负面影响,通过对检测出的目标特征序列采用直线拟合提取对称轴,并等效转化为具有方向性的点线距序列,来简化运算,降低失真度.步态训练中,通过初始化的修正使训练出的HMM接近全局最优,并给出Bayes相关先验学习方法.步态识别中,应用HMM的前-后向算法,并融合Bayes规则,客观性增强,最终结果经中国科学院CASIA的原始步态视频测试,达到比较高的识别率,且对衣着具有一定鲁棒性.该文方法主要针对视角在0°～180°间的室内监控直道行走场景.

基于Bayes规则的测斜通信误码率估计算法

根据光纤陀螺测斜仪数字通信信道的特点,提出了将Bayes规则应用于误码率(BER)估计的算法。在基于Bayes规则误码率后验统计模型的基础上,推导了误码率的单侧置信区间估计与双侧置信区间估计表达式。仿真结果表明:在EI-LOG成套测井仪器常规通信速率(300 Kbit/s)下,当选取置信度为95%时,使用该算法仅需51 s的时间即可得出FOG测斜仪通信误码率。该算法易于硬件实现,能够实时、快速的估计出信道误码率,满足光纤陀螺测斜仪的实际工程需求。

模糊Bayes理论在遥感影像变化检测中的应用

针对传统基于Bayes决策规则的遥感影像变化检测方法中参数估计的不足以及分类过程中的硬划分问题,采用动态更新变化和未变化两类像元模糊子集的方法,实现对两类像元模糊子集中参数的动态更新,利用估计参数获得各子集的后验概率函数,再将后验概率函数转化为模糊子集的模糊隶属函数,从而获得各子集的指标函数,根据指标函数对影像中未分类的像元值进行判断,实现遥感影像的变化区域提取。实验结果表明:与现有的基于Bayes决策规则的遥感影像变化检测方法及ERDAS软件生成结果相比,提出的方法具有更好的变化检测精度。

基于Bayes统计推断的粗糙集数据挖掘方法

分类发现是数据挖掘的一个重要任务,Bayes统计推断是数据挖掘中数据分类的主要方法也是其基础之一。建立在粗糙集基础上。利用概率工具以及Expectation-Maximization思想(RUBIN算法)和Bayes统计推断规则的结合提出了分类的方法和步骤,并给出实例分析,重点是RUBIN算法和Bayes统计推断规则相结合在粗糙集上建立的决策方法。

温室黄瓜果实的模式识别与分割——利用Bayes分类判别模型

利用黄瓜果实与其果梗叶片在颜色深度上的差异,采用在自然背景下的黄瓜图像为训练样本,分别提取出黄瓜果实与背景的RGB颜色分量信息,计算出各自的分类判别函数,利用Bayes分类判别模型对自然背景下的黄瓜果实进行判别。试验表明:利用Bayes模式识别能够较好地实现对成熟黄瓜果实与背景的分离;在识别后对图像进行腐蚀,膨胀,区域标记及特征提取等处理,能够较为准确地提取出成熟黄瓜果实及其重心位置。

一种用于检测与跟踪的传感器管理算法

利用Bayes规则和Kalman滤波方程中的协方差预测和更新阵 ,可以求出目标检测与跟踪过程中一次量测所产生的信息增量 ,并由此给出了一种基于信息增量最大化的传感器管理算法 .仿真结果表明 :该算法在保证一定跟踪精度的前提下 ,能最大限度的发现并跟踪新目标 .

MDT的被试类别与项目选择决断

MDT是对被试进行分类决断的测量理论,在真实的测验情境中具有广泛的适应性。该文首先介绍了MDT的模型结构,然后以一个3个项目的测验演示了该模型中被试类别与项目选择的一系列决断准则,并展望了该理论在我国心理与教育测量中的应用前景。

融合人脸轮廓和区域信息改进人脸检测

基于人脸轮廓信息和面部区域信息的互补性 ,提出了一种新颖的基于融合算法的轮廓 区域人脸检测器 :采用一种新的特征提取方法有效地刻画人脸轮廓模式 ;基于支持向量机分别训练人脸轮廓分类器和面部区域分类器 ;基于最小错误率Bayes决策规则融合人脸轮廓和面部区域分类器 .该文分别在标准头部图像库、BioID人脸图像库 (灰度人脸图像库 )和彩色人脸图像库上测试了轮廓 区域人脸检测器 .大量的实验结果表明了所提出的轮廓 区域人脸检测器通过引入轮廓信息有效地提高了人脸检测算法的精度 .

多标签分类中标签检测技术的实验比较

当前的部分多标签分类算法本质上由两项分类技术级联而成,前一级建立标签排序系统,后一级检测相关标签,兼顾进一步改善分类性能.本文针对不同标签检测技术开展研究,收集并实现4种通用标签检测技术:线性回归阈值法、多输出线性回归法、Logistic回归法以及离散Bayes规则,以k近邻算法作为基线算法,在10个基准数据集上进行实验比较.实验结果表明,从计算时间与分类性能两个方面来说,多输出线性回归法是值得推荐的方法.

应用概率神经网络诊断自行火炮发动机的故障

研究了概率神经网络模型,并应用于故障诊断。对基于概率统计思想和Bayes分类规则的概率神经网络模型、网络结构、算法及其特点进行了分析,并提出一种优化估计平滑因子的方法。概率神经网络可很好地诊断自行火炮发动机运行中油路和气路的故障,在模式识别和故障诊断领域中可取得良好的应用效果。

基于类标感知的KNN分类算法

许多传统分类算法都以训练数据和测试数据具有相同或至少非常相似的分布为前提,但是在实际应用中,该前提很难得到保证,这降低支持向量机等传统分类算法的分类精度.因此,文中提出基于类标感知的KNN分类算法(CA-KNN).CA-KNN给出稀疏表示模型,基于任何测试数据都可使用训练数据集进行稀疏表示的假设.CA-KNN可有效利用数据集上的类标信息,提升稀疏表示的准确性.引入KNN的最近邻分类思想,进一步提升CA-KNN的泛化能力,并且从理论上证明CA-KNN分类器与最小误差的Bayes决策规则关联.实验和理论分析的结果表明,CA-KNN具有较好的分类性能.