0?1膨胀负二项回归模型在COVID?19疫情分析中的应用

在公共卫生等应用领域，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，采用0?1膨胀负二项分布及其回归模型进行分析. 在数据扩充基础上，结合Pólya?Gamma潜变量对模型参数进行贝叶斯推断. 最后，对我国湖北省2019冠状病毒病(COVID?19)死亡数据集进行分析. 研究表明，0?1膨胀负二项回归模型能够达到更好的拟合效果.     

基于模糊多态共因失效因素的矿井提升制动系统故障诊断

使用传统故障树分析矿井提升制动系统,存在共因失效等因素,具有一定的局限性。为此,在现有贝叶斯网络模型基础上,用三角模糊数表示模糊先验概率,通过改变条件概率和各故障状态先验概率反应事件多态性,引入β-因子模型分析共因失效,给出了概率计算公式,并以制动系统液压子系统为例进行了验证。分析结果显示,在故障分析时综合考虑模糊、多态及共因失效等因素,能更好地确定系统故障概率分布。     

基于贝叶斯估计的土壤呼吸传感器最优高度点搜索研究

为了准确监测土壤呼吸，针对土壤呼吸传感器最优布点的问题，提出了一种基于贝叶斯估计的土壤呼吸传感器最优高度点搜索算法。算法的具体思路为:首先通过CFD(计算流体力学)仿真与涡度相关法得到土壤呼吸稳态时气室内不同高度的碳通量数据。然后对数据赋予一定的权值得到不同高度的融合数据，最后采用贝叶斯估计理论求解相应高度的概率密度，从而确定传感器最优高度点。结果表明:直径为0.25m，高度为0.3m的气室传感器最优高度点为中轴线上0.0836m处，且该点数据的均方根误差RMSE为1.426μmol·ｍ-2·s-1 。平均偏差Bias为1.224μmol·m-2·s-1，并与贝叶斯联合密度的计算结果验证分析，证明此算法有很高的可行性与准确性，为土壤呼吸传感器的最优高度点选取提供了方向与建议。     

基于多尺度的贝叶斯模型显著性检测

针对传统基于贝叶斯模型的显著性检测算法存在准确率不理想的问题,提出了一种基于多尺度的贝叶斯模型显著性检测算法。通过超像素分割算法(SLIC)将原图分割成不同尺度的超像素,根据超像素边界信息得到背景种子,进而通过距离计算和多尺度融合得到背景先验;对原图进行颜色增强,采用Harris算子对增强图进行检测角点求得凸包,融合不同尺度下的超像素得到凸包先验;融合背景先验和凸包先验得到最终先验;利用颜色直方图和凸包计算似然概率;将最终先验和似然概率通过贝叶斯模型计算显著图。在公开数据集MSRA1000、ECSSD上与多种传统算法进行准确率和召回率对比,该算法有更好的表现。     

贝叶斯网络查询语义扩展的专家发现方法

专家发现是实体检索领域的一个研究热点，针对经典专家发现模型存在索引术语独立性假设与检索性能低的缺陷，提出一种基于贝叶斯网络模型的专家发现方法。该方法模型采用四层网络结构，能够实现图形化的概率推理，同时运用词向量技术能够实现查询术语的语义扩展。实验结果显示该模型在多个评价指标上均优于经典专家发现模型，能够有效实现查询术语语义扩展，提高专家检索性能。     

Beta-Binomial删除信道中的喷泉码文件传输协议

由于命名数据网络(NDN,Named-Data Networking)无环路、逐包、逐跳转发的特点,使得数据包回传成功率降低,而传统的TCP/IP协议中的ARQ和ACK机制对于多播会话不再适用.由于NDN中的传输信道可以等效为二进制删除信道,因此可以通过应用层编码来实现文件的可靠传输.传统的信道编码技术如卷积码、级联码和RS码等复杂度较高,而将NDN与低复杂度的喷泉码的结合可以实现分布式的存储架构,因而可通过喷泉编码在应用层协议中实现可靠的纠删机制,保证整体文件的传输可靠性.以往的研究一般是基于确定的删除概率信道模型,但是由于网络的异构性和信道噪声等因素影响,可能会造成信道丢包概率呈随机性分布.因此,本文在Beta-Binomial分布模型的前提下,根据贝叶斯统计的先验信息和中心极限定理,对随机概率下的纠删信道的文件可靠传输协议进行了数学建模和理论推导.仿真结果显示此模型更具有普适性,此传输协议可在信道状况未知的前提下从理论上求出最小发包数,减少冗余编码包,提高文件整体的投递成功率,在保证传输可靠性的同时有效提升协议传输效率.     

非平稳条件下基于贝叶斯网络的内涝风险评估和管理方法

受非平稳条件因素(如气候变化、城市化)的影响,近几年内涝灾害频发。以Z市某地块为研究区域,借助地理信息系统(ArcGIS)和暴雨雨洪管理模型(SWMM)实现研究区排水管网的水动力模拟。在不同降雨情境下,比较分析现状系统及不同改造方案下的系统溢流量等信息,计算内涝风险指数。采用贝叶斯网络分析工具(Bayes Server)对引发内涝风险的主要因素进行推理、识别和分析,进而构建内涝风险评估模型。该模型便于决策者根据设计需求,结合各因素的不确定性范围和发生概率值,综合选取最适合的改造措施,优化市政排水防涝规划,为市政基础设施建设提供了依据。