一种应用于智能分诊的改进朴素贝叶斯方法

针对朴素贝叶斯分类方法(naive bayesian model,NBM)在应用于门诊智能分诊时,无法有效区分不同类型的症状涉及的疾病学科范围不同问题,提出了一种朴素贝叶斯分类方法的改进算法,引入IDF因子,为不同的症状类型提供相应的权重。首先,基于权威医疗文献,收集整理诊断学相关的语料作为训练数据集,然后,基于朴素贝叶斯分类方法计算先验概率、类条件概率,训练生成不同症状的IDF因子,最后,在进行分类判断时对不同的症状组合引入IDF因子,平滑不同类型症状的重要程度。在智能分诊准确性对比实验中,改进后的算法召回率提升约11%,明显高于朴素贝叶斯分类方法。

航空电子设备多源信息融合可靠性评估方法研究

针对航空电子设备的研制阶段和数据特点,研究了一套跨阶段、变母体、小子样数据条件下的多源信息融合的可靠性评估模型。该模型基于Bayes方法融合样本信息和先验信息,通过后验信息和观测数据对先验信息进行更新,并利用马尔可夫链蒙特卡洛(MCMC)方法进行求解,提高了航空电子装备的可靠性评估的拟合优度,使得估计结果更接近于真实情况。

顾及无人机影像多特征信息的滑坡识别

滑坡灾害具有较强的突发性和破坏力,快速、准确识别滑坡对受灾区的应急救援、灾害评估具有重要意义。无人机(unmanned aerial vehicle,UAV)具备操作灵活、高时效性和高分辨率等优势,为特定区域的滑坡数据获取提供了强大的技术支持。以云南省绿春县为研究区,以UAV影像为数据源,首先构建研究区的数字正射影像(digital orthophoto map,DOM),在此基础上进行多尺度分割;然后综合光谱、形状和纹理等多特征信息,计算样本分离度后优化特征空间;最后基于面向对象的贝叶斯(Bayes)分类方法进行滑坡识别与精度分析。研究结果表明:采用Bayes方法得到的滑坡识别总体精度(overall accuracy,OA)达92.49%,Kappa系数达0.888,其中滑坡区域的生产者精度(producer accuracy,PA)和用户精度(user accuracy,UA)分别为89.84%和83.17%。此外,与决策树(decision tree,DT)、随机森林(random forest,RF)和支持向量机(support vector machine,SVM)3种分类方法的滑坡识别结果进行精度对比,Bayes方法的OA较其他分类方法提高3.26%~5.86%,Kappa系数提高0.048~0.092。该方法对于复杂、破碎山地的滑坡识别精度较高,能够满足基于高分辨率UAV影像的滑坡精细化识别应用需求。

无人机影像湿地典型要素分类方法对比研究

针对厘米级的无人机影像,选取无锡某湿地公园作为研究对象,首先对湿地影像进行多尺度分割并利用ESP工具获取最佳分割参数,再进行特征选择,选取决策树(DT)、贝叶斯(Bayes)、随机森林(RF)等3种分类方法对湿地典型要素进行分类,并对比分析不同方法的分类结果及精度。对比结果表明,随机森林算法在湿地典型要素分类中精度最高,决策树和贝叶斯分类算法精度逊色于随机森林。从分类效率来看,随机森林算法耗时最长且涉及参数设置调整,而贝叶斯算法效率大幅领先决策树和随机森林,且该算法操作简单、无参数设置,易于在生产中应用。

面向检验试车的涡扇发动机多目标性能优化

涡扇发动机因其高推进效率、低燃油消耗率等特点广泛应用于军民用飞机,其性能直接影响飞行任务的安全与稳定。针对涡扇发动机不同状态下涡轮前温度与高压转速比指标进行性能优化,从而提高其一次检验试车通过率,具有重要现实意义。提出涡扇发动机的多目标性能优化框架,在某型号涡扇发动机历史生产数据集上,以检验试车过程中不同状态下涡轮前温度与高压转速比为目标变量,以某面积a、某面积b、某角度c为属性变量,建立涡扇发动机多目标性能模型并与目前主流算法模型对比验证,最后结合通过检验试车的后验概率推理与状态组合全局搜索,给出推荐状态组合表,辅助企业制定零部件生产制造装配标准,从而优化涡扇发动机性能、减少重新装配次数并提高一次检验试车通过率。

分布式接收宽带多目标信号盲检测迭代处理方法

随着软硬件技术的飞速发展和宽带接收机的广泛使用,频谱检测向着高瞬时带宽的方向发展,传统基于信道化处理的频谱检测方法存在搜索速度慢、处理效率低下的问题。文章提出了1种新的分布式接收宽带多目标信号盲检测迭代处理方法,在无须预先知道信号数目及信号频谱位置的情况下,能够实现特定虚警概率多信号盲检测,具备较高的灵活性和稳健性。首先,在对信号特征进行分析的基础上,通过构造线性模型,将分布式接收多目标信号检测转化为线性模型求解问题进行处理;然后,基于贝叶斯多参数联合求解模型,在对未知参数先验分布进行合理假设的基础上,推导了各未知参数变分分布及信号检测门限的解析表达式,采用变分分布软信息迭代的方式实现多传感器信号、多参数联合估计,并利用每次迭代参数估计结果,对信号检测门限进行更新,通过置零操作实现预设虚警概率下的多信号盲检测;最后,通过仿真实验对所提方法性能进行了分析,并与相关方法进行了对比。仿真结果表明,所提方法能够有效利用多路接收信号信息,实现宽带未知多目标信号的盲检测,有效提升短数据下的算法处理效能,与现有方法相比,在接收单元数目较多以及信噪比较低时具有明显优势。

基于多重朴素贝叶斯算法的未知病毒检测

提出了一种基于多重朴素贝叶斯分类算法的检测方法来实现对计算机病毒的近似判别。该法可以克服病毒特征代码扫描法不能识别未知病毒的缺点。在该检测方法的基础上,设计了一个病毒检测网络模型,该模型既可以实现对已知病毒的查杀,又可以对可疑程序行为进行分析评判,最终实现对未知病毒的识别。

基于概率假设密度滤波方法的多目标跟踪技术综述

概率假设密度(Probability hypothesis density,PHD)滤波方法在多目标跟踪、交通管制、图像处理以及多传感器管理等领域得到了广泛关注.本文对基于PHD滤波方法的多目标跟踪技术的产生、发展及研究现状进行了综述,主要包括PHD滤波器、PHD执行方法、峰值提取及航迹提取技术、多传感器多目标跟踪及多传感器管理、PHD平滑器以及多目标跟踪性能评价指标等,并对PHD滤波器的相关应用进行介绍.最后,基于现有PHD滤波进展,提出了PHD滤波技术在多目标跟踪领域需要重点关注的若干问题.

基于多模型的联合目标跟踪与分类算法

针对现有的联合目标跟踪与分类算法不具备封闭解析形式、计算量大且缺乏模块化结构等特点,将预知的各类目标的多种模型联合起来,组成一个多模型集合,并在运动学传感器和属性传感器观测过程相互独立的前提下,对目标状态概率密度函数和目标类别概率质量函数同时进行贝叶斯推理,得出一种基于多模型的联合目标跟踪与分类算法。该算法由卡尔曼联合多模型滤波器和贝叶斯分类器组成,实现了跟踪器与分类器的模块化,提高了跟踪和分类性能,具有封闭解析形式,计算量较小,适合工程实时应用。通过仿真,证实了该算法的有效性。

矿井突水水源判别的多组逐步Bayes判别方法研究

矿井突水是采矿过程中最具威胁的自然灾害之一。能否准确快速地判别矿井突水水源,不仅是矿井水文地质工作的主要内容,而且是煤矿防治水工作的重要基础。为了有效判别矿井突水水源,综合考虑水化学指标对水源判别的重要性,基于多组逐步Bayes判别分析理论,选取Na++K+、Ca2+、Mg2+、Cl-、SO42-和HCO3-共6项指标作为判别因子,利用国内某矿区各主要含水层的35个水样的水质资料作为训练样本,建立了矿井突水水源预测的多组逐步Bayes判别分析模型。实例分析表明,该模型结果与实际情况相符合,说明该模型在矿井突水水源判别中具有良好的实用性和有效性,为判别矿区新的突水水源提供了一种新思路。

GM-PHD雷达密集多目标跟踪应用研究

针对雷达密集多目标跟踪数据关联的难题,深入研究了可以避免数据关联的多目标跟踪方法-高斯混合概率假设密度算法(GM-PHD)。首先,将多目标的运动和多目标量测建模为随机有限集的形式,并给出了相应的最优多目标贝叶斯滤波器;然后,在线性高斯假设条件下,详细给出了GM-PHD均值、方差和权值的递归形式,降低了计算复杂度,满足跟踪实时性要求;最后,开展了仿真实验和实测数据实验,实验结果显示GM-PHD在不需要数据关联的情况下,能够有效抑制大量杂波,稳定地跟踪密集多目标。

PHD粒子滤波中目标状态提取方法研究

采用概率假设密度(PHD)粒子滤波进行多目标跟踪时,各时刻的目标状态表现为大量的加权粒子,需以一定方法从该粒子近似中提取出来。该文提出一种增强的目标状态提取方法,先以k-means算法对粒子进行空间分布的聚类,再于各类中寻找粒子权的峰值位置作为目标状态的估计。仿真结果表明:由于综合利用了粒子的权值和空间分布信息,该算法具有比现有算法更小的目标状态估计误差。

一种融合激光和深度视觉传感器的SLAM地图创建方法

针对移动机器人的不确定复杂环境,一般采用单一传感器进行同时定位和地图创建(SLAM)存在精度较低,并且易受干扰、可靠性不足等问题,提出一种基于Bayes方法的激光传感器和RGB-D传感器的信息融合SLAM方法。利用Bayes方法通过概率启发式模型提取光束投影到栅格地图单元,充分利用激光与视觉信息中的冗余信息,提取一致性特征信息,并进行特征级的信息融合;在地图更新阶段,提出一种融合激光传感器和视觉传感器的贝叶斯估计方法,对栅格地图进行更新。在使用ROS(移动机器人操作系统)的实验平台上的实验表明,多传感器信息融合可以有效提高SLAM的准确度和鲁棒性。

基于多源信息融合的配电真空开关柜动态状态评价研究

作为配电网主设备之一,开关柜的状态直接影响着电网的整体运行效果以及用户的用电质量,针对当前开关柜状态评价的信息完备性低、动态性差等问题,提出了一种基于多源信息融合的配电真空开关柜状态评价模型。文中选取开关柜的超声波值、暂态地电波(TEV)值、红外测温值、真空度、绝缘电阻、机械性能参数等信息,将真空开关柜分成断路器、母线、出线电缆3部分进行状态评价,并融合开关柜整体所处的环境信息、运行信息以及开关柜在电网中的位置信息,采用隶属度函数和比例模型,建立开关柜状态评价模型,并将模型应用于过去5年内的20个时段,分别计算出20次状态评价结果,并采用贝叶斯条件概率模型,计算开关柜的未来状态处于各等级的概率。同时给出了相关算例对所提方法进行说明,验证了模型的有效性,并与传统的概率计算模型相比,证明文中所提方法更符合电力设备的实际运行情况。

小型企业MIS开发方案决策模型──多目标Bayes模型

以某无线电厂（简称ＷＸＤ厂）为实际背景，提出小型企业ＭＩＳ系统开发方案的决策模型——多目标Ｂａｙｅｓ模型。

基于Bayes估计理论的数据融合方法

本文研究了多传感器数据融合技术的一种方法。融合方法以Bayes估计理论为基础,并对数据进行了一致性检验,得到了多传感器最优融合数据,提高了数据的精确度。实际应用结果验证了算法的准确性,并进行了Matlab仿真。这种数据融合方法计算简便,可以获得比有限个传感器的算术平均值更准确的测量结果。具有较高的可靠性,可用于测量结果具有正态分布特性的多传感器测量系统。

基于Bayes融合理论的某坝段帷幕体防渗效果评价

坝基帷幕体的防渗性能及其时效可由传感器采集到的地下水宏观动态反映出来,而在异类多个传感器数据融合的过程中,常常出现各个评价指标不一致的现象。为消除这种现象,采用Bayes融合方法,首先验证各个传感器的可靠程度,确立正确的关系矩阵,然后将各传感器的可靠程度模糊化,进而给出各传感器的综合支持程度指标,最后给出融合结果。将其应用于某坝13坝段帷幕体防渗效果分析,结果较为符合规律。经分析知,2003-2008年间帷幕体防渗效果呈现了阶段性衰减,其中2005年和2008年为该坝段帷幕体防渗性能的相对明显衰减时期。建议加强监测,为必要时采取工程措施提供依据。

基于Laplace先验的Bayes压缩感知波达方向估计

基于多任务贝叶斯压缩感知(BCS)理论,该文提出一种使用Laplace先验的目标到达角(DOA)估计算法。该算法利用阵元输出为观测值,将DOA估计转化为Laplace先验约束下的BCS求解稀疏信号问题,使用Laplace先验获得比传统BCS更好的稀疏性。该算法不需要信源个数的先验信息和进行特征值分解,能够适应相干信源场景,仿真结果表明该算法具有比传统BCS方法和经典MUSIC算法更好的DOA估计性能。

基于图像多小波变换的煤岩界面识别

针对现有煤岩界面识别方法存在普适性差、可靠性差等问题,提出了一种基于图像多小波变换的煤岩界面识别方法。对煤岩图像进行多小波变换,提取不同频带多小波系数在固定窗口大小下的标准差作为纹理测度并生成归一化多频带特征向量,利用朴素贝叶斯分类器对纹理特征进行识别。实验结果表明,对于分辨率为128×128的图像,当窗口大小为9,选择频带F5—F16构造特征向量时,识别率可达96.14%。

基于多源信息融合的航天阀门可靠性评估

航天阀门在研制过程投入试验的样本量很小、样本极少失效甚至无失效。为解决其可靠性评估问题,需要充分利用现有的各类试验数据。用于阀门可靠性定量分析的试验主要包括温度试验、振动试验和动作试验。在对温度试验和振动试验数据进行预处理的基础上,融合成统一的先验分布,并将动作试验数据作为现场数据,根据Bayes原理完成阀门可靠性评估。研究结果表明,与单类试验评估结果、大样本评估结果比较,基于多源信息融合的方法评估结果准确,稳定性好,可信度高。