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.     

一种跨公司航天软件缺陷预测方法

为提高航天软件测试的效率和质量，针对同公司航天软件数量少、研制周期长的特点，提出了一种跨公司航天软件缺陷预测方法。从航天软件背景信息复杂、规模大、功能独立等特征出发，提出基于静态分类缺陷预测的模型构建思想。引入迁移学习方法，利用最近邻分类器和数据引力模型，对训练数据的分布特征进行修正，提高训练数据与目标数据的相似性；为提高模型的泛化能力以适应目标数据的多样性，提出在训练数据中加入少量目标数据用于模型训练。将该方法在实际工程中进行应用，实验结果表明，与已有软件缺陷预测方法相比，该方法在保持较低误报率（不高于0.3）的情况下可有效提高召回率（接近0.6），整体可信度得到有效增强（G- measure超过0.6），方法稳定度高，泛化能力较强；本方法在实际工程中对测试规模影响可控，测试效率得到提高。     

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。     

基于智能手机用户行为习惯的App使用预测算法研究

互联网的发展不仅推动了智能手机的普及,而且涌现了大量的手机App。大量被安装在手机中的应用程序不仅增加了用户寻找App的时间和难度,而且占用了手机大量的内存空间,致使手机卡顿,严重影响了用户体验。利用智能手机用户使用App的行为习惯特征,预测用户将要使用的App,并将其应用到智能手机中用以预加载App和智能清理手机内存是解决上述问题的方法之一。在深入了解PrefixSpan算法和Bayesian网络算法的前提下,考虑智能手机用户对每个App的喜爱程度,将其加入到PrefixSpan算法的剪枝步骤中;采用贝叶斯网络算法整合智能手机用户的App使用记录和App使用时长等特征,提出一套新的预测用户下一个将要使用的App的算法——WAPA(Weighted App Prediction Algorithm)。实验证明,该算法预测准确率最高可达86.3%,较其他算法可提高大约4%。     

基于贝叶斯网高效推理的半导体生产故障预测

文章通过搜集半导体晶元数据生产集,建立贝叶斯网,运用python对海量数据进行训练。依据训练数据进行分析,生成全面的半导体生产故障概率参考数据;并依据故障率分析结果与实时数据进行比对,实现高效的生产故障预测。通过对输入的半导体晶元数据生产集进行不断更新与学习,实现了对生产故障的精准预测,并可据此采取针对性的质量改进与预防性措施,提升生产的安全性。