贝叶斯网络应用中的结构学习方法研究

贝叶斯网络是用于表示不确定变量之间潜在依赖关系的图形模型。结构学习是贝叶斯网络学习的核心,有效的结构学习方法和算法是构建最优网络结构的基础。文中对迄今为止贝叶斯网络应用中的结构学习方法进行探讨,从复杂度、适用性等方面对其进行分析比较,并指出每种方法的关键环节和主要思想,对实际应用中的方法选择和研究提供了参考。     

双重PCR检测生鲜猪肉中大肠杆菌O157∶H7和沙门菌方法的建立与应用

目的建立生鲜猪肉中大肠杆菌和沙门菌的双重PCR检测方法,并初步调查生鲜猪肉中大肠杆菌和沙门菌的污染情况。方法以大肠杆菌O157∶H7 rfb E基因和沙门菌inv A基因为靶基因设计引物。通过对单个基因PCR和多重基因PCR扩增进行特异性、敏感性试验以及优化反应体系,建立快速检测大肠杆菌和沙门菌的双重PCR法。在郑州市不同地区的综合性超市、冷鲜肉专卖店和农贸市场随机抽检144份生鲜猪肉样品,分别进行了PCR检测和常规微生物学检验。结果建立的双重PCR方法特异性好,抗干扰能力强,灵敏度可达到10 pg/μl。在144份样品中检测出大肠杆菌的样品数为10份,检出率为6.94%;检出沙门菌的样品数为13份,检出率为9.03%;大肠杆菌和沙门菌同时检出的有2份,占总样品的1.39%。结论初步建立了同步、简便、快速、灵敏地检测生鲜猪肉中大肠杆菌、沙门菌的双重PCR方法;生鲜猪肉中存在致病菌的污染问题,将威胁到食品安全和人体健康,不容忽视。     

基于ICA的多维贝叶斯分类器

多维贝叶斯分类器是处理多维分类问题的概率图形模型,其中属性变量可决定一个或多个类变量。文中针对属性变量维数较高和信息冗余问题,采用Fast ICA算法对属性变量进行降维,从而将高维属性变量约减为能较完整描述数据信息的低维属性变量。然后根据约减后的属性变量构建多维贝叶斯分类器;最终,通过理论分析得到基于ICA的多维贝叶斯分类器的性能较好。实验结果表明,对3组基准数据集的分类,基于ICA的多维贝叶斯分类器相比于其他算法具有较高的分类准确率。     

基于中值滤波和ICA的军事目标特征提取方法

针对电子侦察中存在的干扰或多特征重叠问题,提出一种基于中值滤波和独立分量分析(ICA)的军事目标特征提取方法。首先借助中值滤波对含噪声侦察图像进行去噪处理,然后利用无预白化的快速不动点(FastICA)算法对去噪后的侦察图像做目标特征的提取,最后再次通过中值滤波对提取的目标特征图像进行残留噪声的去除。仿真实验结果表明,该方法对噪声的去除效果较好,满足了人们的视觉需求;同时,提取的目标特征图像能够自主地分辨出不同的目标特征,去除掉重叠的目标特征。该方法具有较强的实用性和有效性。     

一种提取频移键控信号的独立分量分析算法

针对传统自然梯度 ICA算法对移频轨道电路 FSK信号提取的不稳定和精确度受限问题,提出一种基于白化的变步长自然梯度 ICA 算法。仿真实验表明,相比于传统的自然梯度 ICA算法,基于白化的变步长自然梯度 ICA 算法的串音误差曲线更平稳,稳态误差值更小,对 FSK 信号的检测和提取具有更稳定、准确的消噪性能。     

自适应步长加权正交约束自然梯度ICA算法

针对传统自然梯度ICA算法的不稳定和分离结果不准确,提出一种自适应步长加权正交约束自然梯度ICA算法。首先,基于分离矩阵所满足的正交性约束,引入一种单步正交性修正方法。然后,根据相邻迭代结果之差可用于平滑构造每步迭代结果与最优值的距离,设计出一种单步误差估计函数。最后,据此误差估计函数引入一种自适应调整的步长。仿真实验表明,自适应步长加权正交约束自然梯度ICA算法,相比于传统的自然梯度ICA算法具有更快的收敛速度,且算法的稳定性和分离结果的准确性都得到了较大提高。