一种监督局部保持投影的飞机目标识别方法

飞机目标识别方法研究在军事上具有重要意义。针对飞机目标图像数据的复杂性,提出了基于监督局部保持投影(SLPP)算法的一种目标识别方法。首先,利用PCA对飞机图像数据进行预降维,由此克服小样本问题;其次利用SLPP算法对飞机图像进行维数约简;最后,采用最近邻分类器进行飞机类型分类。通过在真实飞机图像数据库上的实验结果表明,该方法有效地提高了飞机识别的正确率。利用该方法能够有效地进行飞机目标识别。     

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.     

顾及有色噪声影响的青海地区应变场分析

基于青海地区14个中国大陆构造环境监测网络(CMONOC)连续站10年的坐标时间序列数据,利用贝叶斯信息准则(BIC)确定各连续站的最优噪声模型,进而得出修正后的水平速度场,并在此基础上建立整体旋转与线性应变模型来分析青海地区的应变特征. 结果表明:青海地区CMONOC连续站坐标时间序列各方向的噪声特性存在较大差异,东(E)、北(N)、天顶(U)方向的最优噪声模型分别为 白噪声+幂律噪声(WN+PL)、白噪声+高斯-马尔科夫噪声(WN+GGM)和白噪声+闪烁噪声(WN+FN). 考虑有色噪声(CN)影响青海地区CMONOC连续站基于ITRF2014框架下的平均水平运动速率为39.45 mm/a,运动方向为88°57′58″NEE. 青海地区构造活动相对强烈的东北与西南部分别表现为挤压应变特征和拉张应变特征;从东北向西南,挤压应变逐渐减小,拉张应变逐渐增大,总体表现为挤压应变.      

贝叶斯准则在农牧交错带农业种植决策中的应用

为揭示呼伦贝尔市农牧交错带农业种植结构的实质,利用贝叶斯准则及该区气象资料,主要作物大豆、玉米和小麦的种植面积及产量资料进行了分析。结果表明:①该区种植作物的经济效益大小排序为:大豆>玉米>小麦;②如果预报有干旱发生,则作物种植比例大小排序为:玉米>大豆>小麦;如果预报有洪涝或低温冷害发生,则作物种植比例大小排序为:大豆>玉米>小麦;③设计了两种在干旱气候年型下的作物种植比例最优方案,产值可分别增加3%和5%以上。     

非线性二次规划贝叶斯叠前反演

叠前反演的目的是基于弹性波理论从地震数据中获得地层参数的可靠估计,进而用于描述地层的流体和岩性特征.然而叠前反演问题都是高维的和非适定的,并且容易受各种噪声和采集过程中不确定因素的影响,因此,为了获得稳定可靠的解必需对反演过程加以合理的约束.本文提出了一种基于非线性二次规划的叠前三参数反演方法.首先基于贝叶斯参数估计理论,假设似然函数服从高斯分布,并使待反演的参数服从于改进的Cauchy分布,从而提高了反演结果的分辨率;其次用协方差矩阵来描述参数间的相关程度,进一步提高了反演结果的稳定性;最后将问题转化为一个非线性二次规划的求解问题,并在多种约束下得到问题的解.仿真实验和实际应用皆已表明,本文提出的反演方法运算速度快捷,既使在信噪比很低的情况下也可获得较好的反演结果,为储层的进一步识别提供更多的物性参数.     

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。     

安徽省大气污染物浓度的周循环特征评估

大气质量的周循环特征反映了人类周期性的活动规律对大气环境的影响.基于安徽省16个城市PM2.5、PM10、CO、NO2、SO2和O3这6种污染物的监测结果,对安徽省大气污染的周循环特征进行了评估.首先基于原始逐小时污染物浓度时间序列在日和周窗口时间宽度上的滑动平均序列,定义了周循环距平百分率序列的计算方法,排除了日循环...     

基于贝叶斯估计的深海GNSS-A定位精度

本文基于贝叶斯估计采用同时估计海底应答器位置和声速水平梯度的策略处理了水深约3 km的GNSS-A观测数据，分别在单应答器模式、多应答器阵列模式下，分析了航迹几何构型、参数初值以及参数估计策略对海底固定应答器和锚系应答器三维定位精度的影响.结果表明：应答器位置后验不确定度与先验不确定度呈正比关系，其比例系数对于单站模式约为0.1,对于多站模式约为0.05;观测时延残差均方差(RMS)在单站模式下约为0.6 ms,多站模式下约为4.5 ms;圆形测线由于测量时间较短，声速水平梯度变化不大，因此同时估计海底应答器位置和声速水平梯度能够获得较高的定位精度；然而，由于井字形航迹的走航时间较长，声速水平梯度变化较大，该估计策略已不再适用，因而精度最低；圆形测线对参数初值先验精度要求较高；当换能器与GNSS天线的臂长先验精度较高时，对于圆形测线，估计该参数并不能显著提升定位精度.     

基于GMM-DBC的CSI室内定位算法

针对贝叶斯室内定位技术存在定位精度低及时间复杂度较高的问题，提出了一种基于高斯混合模型和密度聚类(GMM-DBC)的信道状态信息(CSI)定位算法.通过对分模型参数的初次估计构建GMM概率分布模型并进行误差计算；引入确定分模型个数(DSM)策略，结合误差计算结果更新GMM模型参数，减小由模型精度引起的定位误差；基于不同参考点的分布特征，判断参考点间紧密程度，将紧密相连的参考点划为一类，减小搜索范围，降低时间复杂度；根据分簇结果，利用改进的贝叶斯概率算法进行权值计算，得到最终定位结果.实验结果表明：所提算法能较好地提高定位精度，降低时间复杂度.     

方差分析引导的高阶马尔可夫网络及其在点云建筑物提取中的应用

以ALS (Airborne Laser Scanning)系统为代表的三维点云获取技术为建筑物重建提供了一条高效便捷途径。本文基于ALS点云超体素,提出了一种方差分析引导的高阶马尔可夫网络,并用以提取建筑物。该方法以超体素作为无向图模型节点,根据三维邻域特有的局部几何属性,结合方差分析原理,生成高阶因子,并将特征转化为表达能力更强的节点和边势函数;再采用信念传播算法,对高阶马尔可夫网络进行推理,形成了一种非监督的建筑物识别框架。此外,本文采用由粗到精的识别策略,首先在独立假设前提下,利用贝叶斯高斯混合模型实现节点初始状态捕捉,再采用高阶马尔可夫网络对三维邻域的相关性建模,以提高建筑物提取精度。本文引入两组具备人工标记真值的开放ALS点云数据集进行实验,利用4种国际通用指标对建筑物提取结果进行精度评价。可视化分析表明,本文方法提取的建筑物内部完整,且边界清晰,为建筑物三维重建提供了可靠信息。定量化分析表明,在低层建筑主导的住宅区,本文方法的建筑物提取精度(基于投影面积和对象的F1指数)为95.4%和91.5%,均高于现有方法;在高层建筑主导的商业区,基于对象的F1指数达到93.5%,高...