基于分段加权的反向稀疏跟踪算法研究

为提高稀疏表示跟踪模型性能，提出一种分段加权的反向稀疏跟踪算法，将跟踪问题转化为在贝叶斯框架下寻找概率最高的候选对象问题，构造不同的分段权重函数来分别度量候选目标与正负模板的判别特征系数。通过池化来降低跟踪结果的不确定性干扰，选择正负模板加权系数差值最大的候选表示作为跟踪结果。实验表明，在光照变化、遮挡、快速运动、运动模糊情况下，所提出的算法可以确保跟踪结果的准确性和鲁棒性。     

选剔同步的高光谱遥感图像波段选择算法

为了降低高光谱遥感图像冗余度,减少后续的计算复杂度,提出了选剔同步的高光谱遥感图像波段选择算法。以主成分分析后的数据作为参考波段来源,以互信息作为选取波段的相似性度量,引入R-KL系数作为剔除波段的判别准则,利用边选取边剔除的方式进行波段选择。为了验证该算法的有效性,运用贝叶斯分类法对降维后波段进行分类,并与自适应波段选择和基于最大信息量的波段选择算法进行比较。结果显示当选取波段数目较少时,该算法的分类效果优于上述两种算法,当选取波段数目较多时,3种算法分类效果相当,故该算法是一种有效的波段选择算法。     

基于上下文语义的朴素贝叶斯文本分类算法

朴素贝叶斯分类器基于样本各属性相互条件独立的假设前提，它作为一种简单的词袋模型，忽略了上下文语境下同义词对分类的影响。本文提出相似词概念，使用相似词词簇代替传统的特征词典参与训练。首先训练word2vec得到词向量。然后，将特征词典用词向量表示后层次聚类，构建相似词词簇，并对其扩展。实验结果表明，改进后算法有效提高了文本分类的准确度，避免了因分类训练语料的差异导致分类效果的不稳定。     

贝叶斯网教学中的TBL模式探索

分析TBL(Team Based Learning)教学模式和贝叶斯网课程内容,阐述在TBL教学模式下,如何将理论课程的学习与面向铁路信息技术的应用相结合,说明TBL教学模式在贝叶斯网教学中的具体设计。     

汽车金融产品推荐系统的设计及实现

汽车金融是汽车业和金融业相互渗透的必然结果。汽车金融提供汽车在生产、流通、购买等环节中融通资金以及其它金融服务，以售车、维修、转让、租赁为主体，形成汽车消费理财、汽车服务产品金融化、证券化的价值链。本文就目前汽车金融产品在发展中趋势利用推荐系统，力图实现汽车金融产品网络上发展运行。     

一种改进自动更新的中文邮件过滤模型的设计

该文提出了一种改进的基于用户操作信息自动学习的贝叶斯算法,该算法在最小风险贝叶斯算法的基础上,自动学习新样本,弥补了传统的贝叶斯分类器不能及时更新的缺陷。建立自动更新的中文邮件过滤模型,通过搭建实验平台测试对比分析改进的基于用户操作信息自动学习的贝叶斯算法的综合性能。     

0–1膨胀几何分布的客观贝叶斯分析

在医疗卫生、金融证券等应用领域，经常会同时出现零观测值、一观测值较多的情况. 为更好地拟合这类数据，提出0–1膨胀几何分布模型并进行客观贝叶斯分析. 通过参数变换，得到Jeffreys先验和reference先验. 设计后验分布的抽样算法，设置不同的样本量和参数真值，采用数值模拟方法对不同客观先验下的估计效果进行评估.     

混合局部因果结构学习

局部因果结构学习是发现和学习给定一个目标变量的直接原因和直接结果而无需学习一个完整因果网络的过程。目前已有算法通常由两个步骤完成:步骤1使用约束类算法利用独立性测试学习目标变量的马尔科夫毯(MB)或父子节点集(PC),但是该步骤由于受到有限的数据样本量等因素影响使得独立性测试存在一定的错误性,而导致该步骤精度通常不是很高;步骤2利用V结构及Meek规则来进行边的定向,但是该步骤由于极其依赖于V结构的发现且同样受到有限样本的影响,使得算法精度相对不是很高。基于上述问题,提出利用打分和限制相结合的混合方式来缓减有限样本问题且提高算法精度。步骤1通过在基于限制的算法中加入打分思想来提高数据有效性,进而提出SIAPC算法;步骤2通过利用PC算法得到的定向结果和对部分数据集打分得到的定向结果的交集来确定边的方向,以此来降低对V结构的依赖性且缓减有限样本问题,之后使用独立性测试修正边的定向结果来进一步提高算法精度,进而提出HLCS算法。在标准贝叶斯网络上,实验验证了该算法相对于已有算法在精度方面具有更好的性能且能够有效缓减数据效率问题。     

核辐射环境安全多传感器信息融合方法研究

为了及时发现核能开发和利用过程中可能出现的核辐射安全隐患,保障核辐射环境安全,论文讨论了核辐射环境的类型,及其安全影响因素,并利用贝叶斯估计和灰关联分析的方法分别进行核辐射环境同质传感器信息融合和异质传感器信息融合,该方法对核辐射环境危害评价、管理与防治决策起到重要的作用。