贝塔混合模型的变分贝叶斯学习及应用

贝塔混合模型（Beta Mixture Model,BMM）是一种重要的非高斯概率模型,常用于有界数据的统计分析.但是由于其表达式复杂,BMM的参数估计比较困难.针对该问题,本文提出一种高效的变分贝叶斯学习方法进行参数估计.该方法采用形式简单的自由分布,通过不断最大化初始变分目标函数的下界,迭代逼近得到真实的贝叶斯后验分布.在合成数据集与实际数据集上进行实验,实验结果证明了所提出算法的有效性和可行性.     

基于视频的装甲车和飞机检测跟踪及轨迹预测算法

针对当前视频目标跟踪算法跟踪多目标容易跟丢的问题,以视频中的装甲车、飞机为研究对象,研究一种改进跟踪学习检测（TLD）的视频多目标检测跟踪算法。对于跟丢的目标,利用Kalman滤波算法的预测功能跟踪视频中典型目标的轨迹,并采用Kalman滤波算法跟踪的轨迹来弥补TLD算法丢失的部分,从而获得视频中典型目标的完整轨迹,以提高视频多目标跟踪的准确率。由于现有轨迹预测算法存在准确性较差的局限性,提出一种基于社交长短时记忆（Social-LSTM）网络的视频典型目标轨迹预测算法,将上下文环境信息和多个目标轨迹之间的相互影响关系融入Social-LSTM网络,预测待检测典型目标的轨迹序列。仿真实验结果表明,所提轨迹预测算法优于传统的LSTM算法、隐马尔可夫模型算法以及混合高斯模型算法,有利于提高视频典型目标轨迹预测的准确率。     

基于SVM的蛋白质亚细胞定位预测

首先基于特征融合思想，采用氨基酸组成、熵密度和自相关系数结合的方式构建190维特征向量进行特征表达，与仅考虑氨基酸组成信息的传统方法相比，能更好地表达蛋白质结构信息。然后利用LDA（Linear Discriminant Analysis）方法进行降维，降低计算复杂性，加强同类样本间的相关性。接下来选用支持向量机作为分类器进行定位预测，最后采用留一法在Gram-negative和Gram-positive数据集上进行交叉检验。实验结果表明，多特征结合的方法优于传统的氨基酸组成方法和简单的自相关系数方法，证明了新方法的有效性。     

混合逆狄利克雷分布的变分学习及应用

混合逆狄利克雷分布是正的非高斯数据分析中一个重要的统计模型.但是利用常用的统计方法比如极大近似然估计、矩估计等往往很难得到模型参数估计的显性解析式.本文提出一个变分贝叶斯学习算法,它能够在估计参数的同时自动确定混合分量数.在合成数据集及实测数据集上的实验结果表明利用变分贝叶斯推理来估计混合逆狄利克雷分布是一种非常有效的方法.     

中心队列二次门限服务的轮询系统分析

采用嵌入Markov链和概率母函数的方法对门限服务优先级排队系统进行分析,提出普通队列和高优先级队列分别采用基本门限和二级门限的服务机制,得出了平均排队队长和平均查询周期的解析式。     

基于有界双调和权的人体局部网格变形方法

为了提高三维人体模型运动过程中的局部变形质量,提出了一种有界双调和权重 与双四元数混合蒙皮相结合的人体局部网格变形方法。首先将三维人体局部模型进行四面体化; 然后设置模型的骨骼控制单元;接下来通过拉普拉斯能量和最小化,并结合权重设置的边界约 束条件,计算各骨骼控制单元对人体局部模型内各顶点运动形变的有界双调和权;最后将三维 人体局部模型的各网格端点与骨骼控制单元混合绑定,并将各骨骼控制单元的运动参数转换为 双四元数,在双四元数运算空间结合有界双调和权,计算基于骨骼控制单元驱动的三维局部模 型的运动形变,从而完成运动状态下双四元数与有界双调和权相结合的混合蒙皮。实验表明, 该方法能使三维人体局部模型在运动时有较为平滑、自然的变形效果。     

有限贝塔刘维尔混合模型的变分学习及其应用

由于贝塔刘维尔分布的共轭先验分布中存在积分表达式,贝叶斯估计有限贝塔刘维尔混合模型参数异常困难.本文提出利用变分贝叶斯学习模型参数,采用gamma分布作为近似的先验分布并使用合理的非线性近似技术,得到了后验分布的近似解.与常用的EM算法相比,该方法能够同时估计模型参数和确定分量数,且避免了过拟合的问题.在合成数据集及场景分类问题上进行了大量的实验,实验结果验证了本文所提方法的有效性.     

基于卷积神经网络多源融合的网络安全态势感知模型

为了准确获取整个网络的安全态势，设计了一种包含流量探测、属性提炼、决策引擎、多源融合和态势评估五大核心环节的网络安全态势感知模型。流量探测指，以网络流量探测器和入侵检测探测器为工具对流量进行监测，分别抓取流量基础特征和恶意活动特征；属性提炼指，以准确地提炼核心属性为目的，重点关注能够刻画恶意活动特征的报警信息、报警类别和连接属性；决策引擎指，以属性提炼生成的各探测器的核心属性数据为输入，以卷积神经网络为引擎识别各种攻击；多源融合指，采用指数加权的D-S融合方法有效地融合各决策引擎的输出结果，提升攻击识别率；态势评估指，借助权系数理论有效地量化威胁等级，利用层次化分析方法准确地获取整个网络的安全态势。实验结果表明，不同探测器探测到的数据对各类攻击识别的差异较大，多源融合算法可将攻击识别的准确率提升到92.76%,在准确率指标上优于多数研究成果，准确率的提升有助于层次化网络分析方法更加准确地计算整个网络的安全态势。