Research on Multi-robot Coordination Searching Ignition Sources Approach

For the purpose of study on forecasting forest fire behavior, a probability approach was presented to search ignition sources by multi-robot coordination. Firstly, the environment map is built based on Bayes rules. Then, the probability searching strategy based on the environment map was designed. Every grid of the searching area was assigned searching expectation value, and robots selected the grid with the highest expectation value as its searching target. The simulation results show the search time reduces greatly, which proves the feasibility and validity of the given algorithm under unknown fire condition.     

不确定性推理方法在信息融合中的算法研究

主观Bayes方法和D-S证据理论是两类常用的不确定性推理方法,但由于计算公式较为抽象,给实际应用带来了困难．对这两类方法进行了比较、分析,给出了各自容易实现的递推公式,实际应用证明该方法简便、易行,可操作性强．     

动态朴素贝叶斯网络分类器的特征子集选择

分类准确性是分类器最重要的性能指标,特征子集选择是提高分类器分类准确性的一种有效方法。现有的特征子集选择方法主要针对静态分类器,缺少动态分类器特征子集选择方面的研究。首先给出具有连续属性的动态朴素贝叶斯网络分类器和动态分类准确性评价标准,在此基础上建立动态朴素贝叶斯网络分类器的特征子集选择方法,并使用真实宏观经济时序数据进行实验与分析。     

电子鼻对不同存储时间纯牛奶的检测分析

利用电子鼻系统的气体传感器阵列对牛奶的响应曲线特征值来表示牛奶新鲜度变化,采用SPSS中逐步判别对特征进行优化,分别用最小二乘法和Bayes判别算法分析牛奶新鲜度变化情况。结果表明:逐步判别法能有效地降低数据维数,Bayes判别法和偏最小二乘法相比,把数据分布密度函数加入牛奶新鲜度识别中,提高了电子鼻对牛奶新鲜度的识别的正确率,Bayes判别法能鉴别出存储间隔12 h的商品纯牛奶新鲜度的变化。因此,利用电子鼻和Bayes判别算法是分析牛奶新鲜度的一种有效的手段。     

多阶段实验数据融合的Bayes可靠性评定模型

为实现多源先验信息的合理利用,基于多阶段实验数据融合数据方法,建立Bayes可靠性评定分析模型。提出多阶段实验数据融合方法,将各种实验数据进行阶段分类,将第1阶段的实验数据作为最初的先验信息,当获取第2阶段的数据后,按Bayes方法进行信息融合,以得到后验信息,并将其作为下一阶段的先验信息,依次递推,进行多阶段的信息融合。仿真结果表明,该模型简单易行,可有效融合多源先验信息,实现小子样条件下的Bayes可靠性评定。     

基于贝叶斯学习的集成流量分类方法

NB方法条件独立性假设和BAN方法小训练集难以建模。为此,提出一种基于贝叶斯学习的集成流量分类方法。构造单独的NB和BAN分类器,在此基础上利用验证集得到各分类器的权重,通过加权平均组合各分类器的输出,实现网络流量分类。以Moore数据集为实验数据,并与NB方法和BAN方法相比较,结果表明,该方法具有更高的分类准确率和稳定性。     

Evaluation and comparison of estimation methods for failure rates and probabilities

An updated parametric robust empirical Bayes (PREB) estimation methodology is presented as an alternative to several two-stage Bayesian methods used to assimilate failure data from multiple units or plants. PREB is based on prior-moment matching and avoids multi-dimensional numerical integrations. The PREB method is presented for failure-truncated and time-truncated data. Erlangian and Poisson likelihoods with gamma prior are used for failure rate estimation, and Binomial data with beta prior are used for failure probability per demand estimation. Combined models and assessment uncertainties are accounted for. One objective is to compare several methods with numerical examples and show that PREB works as well if not better than the alternative more complex methods, especially in demanding problems of small samples, identical data and zero failures. False claims and misconceptions are straightened out, and practical applications in risk studies are presented.     

基于机器学习的入侵检测系统研究

入侵检测系统存在特征不能自动生成、特征库更新慢、无法适应大量数据等缺点。该文该文提出了基于机器学习的入侵检测系统，将遗传算法和贝叶斯分类算法结合使用，使得检测规则可以自动生成，克服手工编码的不精确、更新慢的缺陷，同时能够处理和分析大数量数据。最后给出了实验分析结果。     

基于Gabor小波的人脸检测

提出了一种新的正面人脸检测算法。该方法组合了Gabor小波变换、输入图像的Gabor特征分析和Bayes分类器来进行正面人脸检测。对训练集的平均脸作Gabor小波变换得到40个投影向量；通过计算输入图像和这40个投影向量间的内积来提取图像的Gabor特征向量；训练Bayes分类器来进行正面人脸检测。实验结果表明，该算法的计算效率和检测精度均优于特征脸方法。     

基于结构特征的nBayes双层过滤模型

由于算法的简单和效果的出色，Nave Bayes被广泛地应用到了垃圾邮件过滤当中。通过理论与实验分析发现，结构差异较大的邮件集特征分布差异也较大，这种特征分布差异影响到了Nave Bayes算法的效果。在此基础上，论文提出了一种基于结构特征的双层过滤模型，对不同结构的邮件使用不同的Nave Bayes分类器分开训练和学习。实验分析表明，Nave Bayes使用该模型之后效果有明显的提高，已经与SVM非常接近。