贝叶斯网络结构学习是贝叶斯网络推理及应用的基础.搜索高质量的节点序是贝叶斯网络结构学习的一类重要方法.针对在节点序空间中,搜索高质量节点序存在的难以高效、准确评估解的问题,本文提出了一种近似图引导的演化贝叶斯网络结构学习...贝叶斯网络结构学习是贝叶斯网络推理及应用的基础.搜索高质量的节点序是贝叶斯网络结构学习的一类重要方法.针对在节点序空间中,搜索高质量节点序存在的难以高效、准确评估解的问题,本文提出了一种近似图引导的演化贝叶斯网络结构学习算法.首先,该算法利用互信息构建无向近似图;其次,该算法通过结合节点序和无向近似图构造有向图结构,将其贝叶斯信息准则评分作为节点序的适应度来高效评估节点序,并在演化优化的框架下,使用提出的基于Kendall Tau Distance的交叉算子和基于逆度的变异算子搜索最优节点序;最后,将搜索到的最优节点序输入K2算法得到其对应的贝叶斯网络结构.在4种不同规模网络上的实验结果表明,该算法在收敛时间和准确度之间取得了较好的平衡,其评分相较于对比算法中的次优解分别提升了10.91%、12.28%、53.96%、10.87%.展开更多
本文根据相干斑噪声的时间快变特征和非海浪纹理现象的时间缓变特征,基于交叉谱提出了一种对相干斑噪声和大尺度非海浪纹理的抑制的方法,进而结合SAR图像谱和海浪谱之间的准线性映射关系,基于SAR数据对海浪参数进行了反演。在反演过程中...本文根据相干斑噪声的时间快变特征和非海浪纹理现象的时间缓变特征,基于交叉谱提出了一种对相干斑噪声和大尺度非海浪纹理的抑制的方法,进而结合SAR图像谱和海浪谱之间的准线性映射关系,基于SAR数据对海浪参数进行了反演。在反演过程中,首先仿真分析了不同海况下准线性近似法的海浪反演能力,结果表明:风浪引起的方位向截断效应会显著影响反演精度,因此该方法在低风速时的涌浪反演精度更高。通过将基于Sentinel-1卫星2020年的波模式SAR数据的反演结果与欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)提供的再分析数据进行对比,发现高海况海浪有效波高反演结果明显偏低,而且该反演误差与风速、方位向截断波长之间存在显著相关性。为了提高有效波高的反演精度,本文进一步给出了海浪有效波高反演误差与风速、方位向截断波长之间的经验校正函数模型,结果显示,通过该模型修正后的海浪有效波高反演结果与ECMWF数据和浮标测量数据具有良好一致性。展开更多
文摘贝叶斯网络结构学习是贝叶斯网络推理及应用的基础.搜索高质量的节点序是贝叶斯网络结构学习的一类重要方法.针对在节点序空间中,搜索高质量节点序存在的难以高效、准确评估解的问题,本文提出了一种近似图引导的演化贝叶斯网络结构学习算法.首先,该算法利用互信息构建无向近似图;其次,该算法通过结合节点序和无向近似图构造有向图结构,将其贝叶斯信息准则评分作为节点序的适应度来高效评估节点序,并在演化优化的框架下,使用提出的基于Kendall Tau Distance的交叉算子和基于逆度的变异算子搜索最优节点序;最后,将搜索到的最优节点序输入K2算法得到其对应的贝叶斯网络结构.在4种不同规模网络上的实验结果表明,该算法在收敛时间和准确度之间取得了较好的平衡,其评分相较于对比算法中的次优解分别提升了10.91%、12.28%、53.96%、10.87%.
文摘本文根据相干斑噪声的时间快变特征和非海浪纹理现象的时间缓变特征,基于交叉谱提出了一种对相干斑噪声和大尺度非海浪纹理的抑制的方法,进而结合SAR图像谱和海浪谱之间的准线性映射关系,基于SAR数据对海浪参数进行了反演。在反演过程中,首先仿真分析了不同海况下准线性近似法的海浪反演能力,结果表明:风浪引起的方位向截断效应会显著影响反演精度,因此该方法在低风速时的涌浪反演精度更高。通过将基于Sentinel-1卫星2020年的波模式SAR数据的反演结果与欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)提供的再分析数据进行对比,发现高海况海浪有效波高反演结果明显偏低,而且该反演误差与风速、方位向截断波长之间存在显著相关性。为了提高有效波高的反演精度,本文进一步给出了海浪有效波高反演误差与风速、方位向截断波长之间的经验校正函数模型,结果显示,通过该模型修正后的海浪有效波高反演结果与ECMWF数据和浮标测量数据具有良好一致性。