一种灰度化混合法在集装箱箱号识别中的运用

研究一种基于机器视觉的集装箱箱号识别方法。对于集装箱彩色图像预处理过程中的灰度化方法，传统的灰度化算法不能有效弥补图像中污损或其他信息缺失的部分，因此，本文提出使用主成分分析法（PCA）结合贝叶斯阈值估计灰度变化率的混合法对图像的灰度化进行优化，可以在判断图像中某一点灰度值与周围相邻像素点的灰度值的变化率后，弥补缺失信息，有效确定边缘特征，从而使后续的字符识别准确率大大提高。最后使用该算法模型设计实现一套用于港口集装箱的智能检测系统。经过Matlab实验验证，在对50幅港口集装箱箱号图像的识别中，通过使用本文提出的混合灰度化方法，与普通的均值法和加权平均法的灰度化方法相比，准确率更高，其中单一字符准确率可达96%，箱号准确率可达92%。     

基于贝叶斯推断的复杂系统可靠性分析

随着武器装备系统日益复杂,成本越来越高,大量的全面系统测试逐渐变得不可行,很难得到大量的可靠性信息,可靠性的统计分析与评估面临着挑战。提出一种基于贝叶斯推断的复杂系统可靠性分析方法,介绍贝叶斯推断以及基于贝叶斯推断的复杂可靠性分析步骤。利用事件树图对复杂系统结构进行建模,归纳可用的数据类型,对组件随机模型和先验分布进行描述。利用马尔科夫蒙特卡洛方法对模型进行求解;构建计算示例验证方法的可行性与有效性。该方法适用于不同的建模粒度,可以灵活地融合专家知识、全系统测试数据、子系统和组件级数据,一致性地估计系统、子系统和组件的可靠性参数。     

基于K2算法的精准营销研究

随着电子商务技术的飞速发展,用户量剧增。利用使用者在电商平台上的浏览痕迹对用户行为进行分析,实现商品的精准推荐,已经成为电子商务的一个热点应用技术和领域。用户行为的有效分析强烈地依赖对用户属性、行为和期待数据画像的精准刻画。然而,就目前的方法和技术而言,在数据画像模型的表现能力和推荐算法的处理效率方面还有许多技术挑战。面对上述挑战,利用数据画像和数据画像概率分配模型等概念,提出基于贝叶斯网络的预测推荐算法,通过构建用户行为的先验概率计算可能产生消费的后验概率。对信用卡APP的真实浏览日志数据进行测试,验证了该算法的可行性和有效性。实验表明,基于贝叶斯网络的推荐算法有着高于传统营销模型的准确性。     

基于贝叶斯网络的煤矿瓦斯爆炸事故致因分析

针对现有煤矿事故致因分析多以单方面因素分析为主,忽略人、机、环、管4个方面各因素间的关联性和整体性,且涉及到的事故类型较泛化等问题,从人、机、环、管4个方面选取诱发煤矿瓦斯爆炸事故的因素,并利用相关性分析筛选出相关性较强的变量;以GeNie为平台构建煤矿瓦斯爆炸致因贝叶斯网络模型,并采用交叉验证方法对其可靠性和准确性进行验证;通过贝叶斯网络参数学习、敏感性分析等对模型中各节点变量进行分析,计算不同条件下相关节点的条件概率分布和后验概率,提取诱发煤矿瓦斯爆炸事故的关键因素。分析结果表明:通风不足会大幅提高煤层瓦斯含量超标的可能性,员工培训不到位是瓦斯漏检的主要诱因;在煤矿瓦斯爆炸事故已发生的情况下,可能性最大的诱因是瓦斯含量超标,其次是瓦斯漏检;导致煤矿瓦斯爆炸事故的最关键因素是瓦斯含量超标、瓦斯漏检、顶板不稳定、法律法规不健全。     

基于贝叶斯MCMC方法的高斯烟羽模型不确定性分析

适当的大气扩散模型对于核电厂假想事故的后果评价是必要的,对其进行参数不确定性分析对于提高模型预测的可信度具有重要的意义。相比于传统的不确定性分析方法,贝叶斯方法充分考虑了已有的观测数据,马尔科夫链蒙特卡罗方法(Markov Chain Monte Carlo,MCMC)可以方便地将贝叶斯方法和高斯烟羽模型相结合。首先使用一次改变一个变量值的方法分析模型对几个重要参数的敏感性,然后选择敏感性最大的两个参数使用贝叶斯MCMC方法进行了不确定性分析。通过分析MCMC样本序列,得到了观测值的最优拟合及模拟结果的置信区间。贝叶斯方法能获得更可靠的置信区间,从而为事故后应急响应提供更好的参考数据。     

基于贝叶斯推理的直升机自动倾斜器轴承动态阈值计算方法

针对加权平均方法计算得到动态阈值准确度不高的问题,利用正常数据概率密度和不同故障类型数据概率密度的特点,提出一种基于贝叶斯推理的直升机自动倾斜器轴承动态阈值计算方法。首先,采用奇异值分解对振动信号进行预处理,滤除噪声对动态阈值计算结果的影响;其次,采用故障频率能量特征提取方法,分别提取正常数据和内圈、外圈、滚珠故障数据的特征;最后,采用贝叶斯推理方法分别计算正常数据与内圈、外圈、滚珠故障数据的动态阈值。利用故障植入的方法获取数据,开展动态阈值计算试验,结果表明,方法能够正确找到正常数据和不同故障类型数据概率密度曲线的分界点,具有较高的正确率,较低的漏报率,方法提高了动态阈值的计算准确度。     

基于自监督学习的病理图像层次分割

在苏木精-伊红(HE)染色病理图像中，细胞染色分布的不均匀和各类组织形态的多样性给病理图像的自动分割带来极大挑战。为解决该问题，提出了一种基于自监督学习的病理图像三步层次分割方法，对病理图像中各类组织进行由粗略到精细的全自动逐层分割。首先，根据互信息的计算结果在RGB色彩空间中进行特征选择；其次，采用K-means聚类将图像初步分割为各类组织结构的色彩稳定区域与模糊区域；然后，以色彩稳定区域为训练集采用朴素贝叶斯分类对模糊区域进行进一步分割，得到完整的细胞核、细胞质和胞外间隙这三类组织结构；最后，对细胞核部分进行结合形状和色彩强度的混合分水岭分割得到细胞核间的精确边界，进而量化计算细胞核个数、核占比、核质比等指标。对脑膜瘤HE染色病理图像的分割实验结果表明，所提方法对于染色和细胞形态差异保持较高的鲁棒性，各类组织区域分割误差在5%以内，在细胞核分割精度的对比实验中平均正确率在96%以上，满足临床自动图像分析的要求，其量化结果可以为定量病理分析提供依据。     

基于贝叶斯网络的掘进机行走机构故障树分析

介绍了掘进机行走机构的工作原理,建立的掘进机行走机构的故障树,建立了掘进机行走机构的贝叶斯网络模型,建立了掘进机行走结构的贝叶斯网络与故障树之间的映射关系,计算出掘进机行走机构各事件的概率分布表。将故障树分析发与贝叶斯网络法相结合,弥补各自在掘进机行走机构可靠性分析方面的不足,可以更加准确有效地得到掘进机行走机构的条件概率分布。