一种贝叶斯和支持向量机相结合的相关反馈策略

相关反馈技术在提高图像检索性能方面发挥着重要作用,但图像检索过程中的相关反馈存在反馈次数过多,反馈效果不够理想等问题。为解决上述问题,提出一种贝叶斯和支持向量机相结合的反馈算法。实现方法是:用贝叶斯分类器对图像库进行分类,达到压缩图像库的目的,然后用支持向量机分类器对压缩之后的图像库进行分类,并反馈最终结果。研究结果表明,与支持向量机和贝叶斯算法相比,在很少的反馈次数下,该方法明显提高了反馈效果。     

利用空间聚集的贝叶斯网络评估手足口病发病风险

手足口病是一种常见的传染病,以往的研究表明该疾病与气象、环境和社会经济等因素相关联,其影响关系复杂,而疾病本身体现出较强的区域聚集性,采用普通的线性风险建模方法无法捕捉影响因素的复杂性及空间聚集性。因此,本文以山东省为例,在前人研究的基础上,提出了采用贝叶斯网络综合风险建模方法研究手足口病的发病风险与气象、土地利用、社会经济及空气污染等要素间的关系,并通过引入空间扫描统计聚集结果,将空间聚集引入到贝叶斯网络模型加强其空间推理功能,减少模型的偏差,提高评估的精度。结果表明,本文建立的手足口病空间贝叶斯网络风险模型具有较高的估计效果,引入的空间聚集性较好地融入到贝叶斯概率推理模型中,合理建立预测因子同手足口病发病风险之间的关系。通过对建模结果的解译,分析了手足口病的发病风险影响因素,特别是气候、社会经济及空气污染的影响。本文的空间贝叶斯建模方法及研究结果对手足口病暴发的防控预警具有重要的意义。     

基于内符合精度改进的接收机自主完好性监测算法

传统的接收机自主完好性监测(receiver autonomous integrity monitoring, RAIM)算法基于最小二乘残差法进行故障检测和识别,由于最小二乘残差法存在系数矩阵病态的问题,可能出现漏排、错排现象。据此,提出一种基于内符合精度改进的RAIM方法。该方法在原有故障检测基础上引入卫星定位内符合精度检验门限,并对传统的故障探测法进行改进,以降低故障漏检率,提高故障识别率。实验结果表明,改进的方法可以在不影响系统完好性算法可用性的情况下有效降低漏检率,高效地识别出故障卫星。相较于两组实验数据中传统算法4.66%和1.95%的漏检率,改进算法可以将漏检率分别降低至2.21%和0.81%。     

关联向量机及其在入侵检测中的应用探讨

介绍一种稀疏的贝叶斯学习算法——关联向量机(RVM)，它在再生核希尔伯特空间中学习，利用贝叶斯方法推理，推广能力好，与支持向量机相比不仅解更为稀疏而且不需要调整超参数。应用RVM的对小样本的良好分类能力，提出一种基于RVM的入侵检测原型系统。     

基于支持向量机与余弦夹角法的中文网页过滤的研究与设计

为了进一步准确过滤对青少年危害较大的色情网页,在汉语词法分析系统添加去禁用词功能实现中文分词,通过改进的词频-逆文档频率及文档频率-互信息方法完成特征提取,从而实现基于支持向量机的过滤方案。并在给出的余弦夹角公式的基础上,提出了一种基于余弦夹角法的中文网页过滤方案。结合两种方案,实验证明在统一资源符总库存在条件下方案对色情等网页过滤效果进一步提高。     

贝叶斯网络结构学习方法研究

介绍贝叶斯网络结构学习的两种方法：渐进正确结构学习和启发搜索方法,并重点对最小描述长度测度函数MDL和DGM测度函数进行了分析比较,提出了一个两阶段从数据集中学习贝叶斯网络（BN）结构的有效算法.首先,第一阶段采用以信息论为基础的渐进正确的结构学习方法来有效的搜索可能的网络空间,构造一个候选网络;然后,采用启发搜索的方法来精简这个候选网络.使用这种分两阶段学习的方法比单纯使用一种方法来获取BN结构更精确和有效率.     

基于小波去噪和图像分割技术的改进NAS-RIF盲图像复原算法

针对非负和支持域受限递归逆滤波算法(NAS-RIF)的缺点,提出了一种改进方案.首先,应用小波去噪技术,保持了退化图像边缘特征,抑止噪声,提高退化图像的信噪比;其次,在每次迭代中,利用图像分割技术找到准确的目标支持域,并用背景的均值取代非均匀背景;还采用重置共轭梯度法加快了算法的收敛速度.实验结果表明,改进后的算法具有更好的复原效果和更快的收敛速度.     

改进的BP神经网络在数字识别上的应用

首先介绍了传统的人工神经网络方法对数字字符的识别,进而在变换函数、误差函数以及惯量项等方面对学习算法进行了改进,提出局部自适应算法——RPROP算法,使网络具有一定的容错能力,用VC完成对数字字符识别的模拟。最后实验表明,改进的算法可以有效地完成对训练样本的识别,并且弥补传统方法学习速度低、平均误差大的缺点。     

面实体匹配的集成学习CatBoost方法

现有的面实体多指标几何匹配方法在计算综合相似度和确定最终匹配实体时面临着指标权重和阈值难以科学量化的难题,集成学习算法通过构建并结合多个机器学习器来完成学习任务,在解决分类问题时体现出了较为明显的性能优势。为此,本文提出了一种基于集成学习算法CatBoost的面实体匹配方法,将匹配问题转化为分类问题。选取形状、面积、方向和位置4个几何特征作为模型分类特征;利用过采样与欠采样相结合的混合重采样技术减轻原始训练样本的类别不平衡度;借助贝叶斯优化算法确定CatBoost模型的最优超参数;引入可解释人工智能领域的SHAP解释框架从全局和局部两个角度解释各输入特征对匹配结果的影响。在青藏高原的面状湖泊数据上对本文提出的方法进行了验证,实验结果表明：对模型预测影响最大的特征是位置,然后依次是面积、形状,影响最小的特征是方向。CatBoost匹配方法在实验数据集上的查准率、查全率和F1-score分别达到0.9937、0.9753和0.9844,相比于直接使用样本不均衡的原始样本进行模型训练,分别提高了约5.8%、0.6%和3.3%。与传统的面实体多指标双向匹配方法和逻辑回归、K近邻、决策树、神经网...     

一种多传感器组合导航系统的自适应分布式滤波算法北大核心CSCD

针对联邦滤波器和集中式卡尔曼滤波器在实际应用中存在的问题及组合导航中量测噪声统计特性不准确引起滤波精度下降的问题,提出利用变分贝叶斯估计和分布式估计的多传感器组合导航系统自适应分布式滤波方法。首先,基于集中式卡尔曼滤波技术,推导分布式滤波的一种表达方法,该方法具有估计最优性、故障自动隔离且对导航系统无污染的特点;然后,结合变分贝叶斯估计技术,提出自适应分布式滤波方法,对系统状态和时变的量测噪声方差进行同步实时估计;最后,采用SINS/GNSS/CNS/ADS组合导航系统进行仿真验证。仿真结果表明,本文算法能实时跟踪突变或缓变的量测噪声方差,较联邦滤波算法可有效降低量测噪声统计特性不准确给系统带来的不利影响,进而提高组合导航系统的滤波精度。     

基于零膨胀贝叶斯时空建模的精细尺度伪基站垃圾短信分析方法

伪基站垃圾短信活动存在显著的时空自相关和异质性现象,采用时空分析方法可以精准把握伪基站的移动规律和行为模式,为相关部门综合施策、探索长效管理机制提供科学的依据。然而,精细尺度下垃圾短信数据集中过多零数据导致的零膨胀问题,使当前的时空分析方法并不适用。为此,本文以2017年2月23日至2017年4月26日北京市色情服务类垃圾短信数据为例,构建零膨胀贝叶斯时空模型,不仅可以解决零膨胀问题,而且可以综合分析伪基站的空间、时间、时空效应以及外部影响因素,以识别伪基站活动的相对风险高值区、探究城市建成环境对其的影响。结果发现：在数据集中零值占比高达83.46%的情况下,基于零膨胀泊松分布的贝叶斯时空模型具有更好的拟合精度;色情服务类垃圾短信空间上的高风险区域主要聚集在北京市主城区的东部,风险值最高的区域属于朝阳区;周四、五、六风险趋势会相对增加,且18:00至次日02:00为高发时期;伪基站一般18:00从主城区的西南部开始向东北方向移动,凌晨01:00聚集在朝阳区西北部区域;商务住宅与住宿服务类城市环境与垃圾短信呈正相关,餐饮服务与派出所类城市环境呈负相关。研究表明,零膨胀贝叶斯时空模型为精细...     

北京主城区伪基站时空规律分析

随着公众移动通信的快速发展,伪基站的泛滥不仅破坏正常电信秩序,危害公共安全,而且严重损害群众财产权益,侵犯公民个人隐私,已成为社会一大公害。如何从垃圾短信大数据中挖掘出伪基站活动的时空规律,寻找有效的防控方案,从源头上进行打击和治理成为管理部门和研究者共同关注的焦点。本文基于北京市垃圾短信数据,利用非负矩阵分解的方法分析伪基站的时空分布规律;并利用TF-IDF构建垃圾短信分类模型,对垃圾短信进行分类,结合土地利用数据,分析伪基站在发送不同类型垃圾短信时的时空分布规律。结果显示：北京市垃圾短信多分布于路网和中心城区;白天垃圾短信数量远远多于晚上;垃圾短信的分布随时间的推移沿着路网逐渐向内收缩;发送不同类型垃圾短信的伪基站的时空分布具有一定的差异;通过非负矩阵分解得到的结果,与垃圾短信分类后得到的结果有很好的匹配。研究表明,非负矩阵分解具有实现上的简便性、分解形式和分解结果上的可解释性等优点,可以有针对性的为有关部门建言打击伪基站的有效方案,对于伪基站违法行为的治理具有一定的意义。     

基于贝叶斯优化机器学习超参数的滑坡易发性评价

利用机器学习模型进行滑坡易发性评价时, 不同的超参数设置往往会导致评价结果的不同。采用贝叶斯算法对4种常见机器学习模型(逻辑回归LR、支持向量机SVM、人工神经网络ANN和随机森林RF)的超参数进行了优化, 探索了该算法对滑坡易发性机器学习模型的优化效果。以湘中地区4县(安化县、新华县、桃江县和桃源县)滑坡易发性评价为例说明该算法的可行性与适用性。基于滑坡历史编录, 确定研究区内1 017个滑坡点, 并选定15个滑坡影响因子, 以此构建滑坡易发性模型的训练集和测试集。利用贝叶斯优化算法对4种机器学习模型的主要超参数进行了优化, 依据优化后的超参数建立了4种优化模型, 并使用AUC值等指标来比较其预测能力。结果表明: 经超参数优化后的4种机器学习模型预测性能均有所提高, 且基于贝叶斯优化的随机森林模型表现最好。      

Retrieval Snow Depth by Artificial Neural Network Methodology from Integrated AMSR-E and In-situ Data —— A Case Study in Qinghai-Tibet Plateau

On the basis of artificial neural network （ANN） model, this paper presents an algorithm for inversing snow depth with use of AMSR-E （Advanced Microwave Scanning Radiometer-Earth Observing System （EOS）） dataset, i.e., brightness temperature at 18.7 and 36.5GHz in Qinghai-Tibet Plateau during the snow season of 2002-2003. In order to overcome the overfitting problem in ANN modeling, this methodology adopts a Bayesian regularization approach. The experiments are performed to compare the results obtained from the ANN-based algorithm with those obtained from other existing algorithms, i.e., Chang algorithm, spectral polarization difference （SPD） algorithm, and temperature gradient （TG） algorithm. The experimental results show that the presented algorithm has the highest accuracy in estimating snow depth. In addition, the effects of the noises in datasets on model fitting can be decreased due to adopting the Bayesian regularization approach.     

Polar Sea Ice Identification and Classification Based on HY-2A/SCAT Data

In this paper,a Bayesian sea ice detection algorithm is first used based on the HY-2A/SCAT data,and a backpropagation(BP)neural network is used to classify the Arctic sea ice type.During the implementation of the Bayesian sea ice detection algorithm,linear sea ice model parameters and the backscatter variance suitable for HY-2A/SCAT were proposed.The sea ice extent obtained by the Bayesian sea ice detection algorithm was projected on a 12.5 km grid sea ice map and validated by the Advanced Microwave Scanning Radiometer 2(AMSR2)15%sea ice concentration data.The sea ice extent obtained by the Bayesian sea ice detection al-gorithm was found to be in good agreement with that of the AMSR2 during the ice growth season.Meanwhile,the Bayesian sea ice detection algorithm gave a wider ice edge than the AMSR2 during the ice melting season.For the sea ice type classification,the BP neural network was used to classify the Arctic sea ice type(multi-year and first-year ice)from January to May and October to De-cember in 2014.Comparison results between the HY-2A/SCAT sea ice type and Equal-Area Scalable Earth Grid(EASE-Grid)sea ice age data showed that the HY-2A/SCAT multi-year ice extent variation had the same trend as the EASE-Grid data.Classification errors,defined as the ratio of the mismatched sea ice type points between HY-2A/SCAT and EASE-Grid to the total sea ice points,were less than 12%,and the average classification error was 8.6%for the study period,which indicated that the BP neural network classification was a feasible algorithm for HY-2A/SCAT sea ice type classification.     

DZW重力仪非线性零漂的贝叶斯估计方法

提出一种利用重力观测数据得到DZW重力仪非线性零漂的新方法。该方法核心算法为贝叶斯公式,原理为以零漂的连续性作为先验约束条件,考虑重力观测数据浮动产生的偏差,将每个采样点零漂的均值和方差作为超参数进行求解。该算法可以重复运算,随着计算次数的增加,超参数会趋向于收敛极限,从而得到最优解。经过数据验证,该算法可以精准得到非线性零漂曲线。零漂校正后重力观测值的方差为1.595 53×10^-10 μGal²,可为DZW重力仪的测量精度提供保证。     

基于F-范数的不确定性平差模型的解算方法

为提高基于F-范数的不确定性平差模型的解算效率,给出直接迭代算法进行参数估计。该算法无需SVD,解算过程简单且易于编程计算,同时给出迭代不收敛时的SVD-解方程算法。二元线性拟合及沉降观测AR模型的算例结果表明,这2种算法正确可行,与SVD-迭代算法具有等价性。当迭代收敛时,宜使用直接迭代算法,收敛速度更快,解算效率更高;当迭代不收敛时,可釆用SVD-解方程算法。     

���������������ǹ��ȷ���Ż������о�

??????????????й?????????????????????????VS2010????????PPL??????м??????????????C++11?????C++0x???±???????????????????????????ж????????????з?????????????????????????????????????????????????????????????????????????Ч???