时序测量信息触发的递归贝叶斯定位算法

为了提高定位系统抗干扰性,降低定位误差,提出一种基于递归贝叶斯的指纹定位算法。针对离线阶段指纹数据采集的盲目性与不可靠性,利用样本方差对采样值的可信度进行衡量,降低环境因素对数据的影响,为在线匹配提供更有效的可靠指纹库。利用目标运动过程中相邻时刻间的约束关系构建马尔可夫模型,以预测当前时刻目标位置,克服传统定位算法经常出现的位置估计跳动范围大、鲁棒性差等问题,提高了定位精度。经仿真模拟与路演实景的双重可重复性测试,所提算法的平均定位误差绝对值在模拟与实景测试中均不大于0.927m,较已有经典同类定位方法,其定位精度提高30%以上。     

基于层次分析法的车联网多因素信誉评价模型

针对车联网（VANETs）场景下存在的恶意车辆节点和虚假信息的问题,提出基于层次分析法（AHP）的车联网多因素信誉评价模型. 该模型综合考虑车辆行为、消息、环境等因素对车辆节点信誉的影响,建立车辆信誉评价模型;面向多应用场景信息（安全行驶、交通管理、商业娱乐）,使用层次分析法量化各因素及不同类型信息对车辆信誉的影响程度;基于反馈机制根据信息的不同类型进行车辆节点的信誉更新,实现车联网车辆的信誉评估. 实验表明,该模型在恶意车辆节点达到25%的情况下,车辆决策正确率能够达到92%以上. 该方案能够有效防止车辆接收虚假信息,准确检测出网络中的恶意车辆节点,提高车辆接收信息的可信度.     

基于关联度分析的WSN节点信任模型研究

该文基于社会网络关联度分析的无线传感网络节点信任模型进行研究。给出了无线传感器网络的模型并将其与社会网络模型进行了相似性分析;建立了基于社会网络关联度的WSN节点信任模型,提出了基于关联度的传感器节点信誉度的计算方法;并设计了基于滑动窗口的传感器节点信任值计算及更新算法(SNTUA)。通过仿真实验,证明了该算法的有效性和准确性,其性能优越于其他两种算法。     

基于贝叶斯网络模型的在线学习行为分析

线上线下结合的教学模式是未来教学的一个趋势,每一个学生的学习行为会直接影响学习结果,因此研究学习者学习行为对学习成绩的影响程度是目前的研究重点。目前常见的评价模型存在可信程度较低、可解释性较弱等问题,本文使用基于证据推理的贝叶斯网络(Bayes Network, BN)能够有效地解决这一问题。把方法应用在学习行为分析上,与常用的机器模型和深度学习模型进行比较,表现出更低的误差和更强的可解释性。     

基于指数分布混合治愈模型的客观贝叶斯分析

提出基于指数分布的混合治愈模型,通过引入隐变量,利用完全似然函数比较容易计算Fisher信息矩阵,推导出参数的Jeffreys先验和reference先验,并验证后验分布的恰当性.研究结果表明,客观贝叶斯方法对参数的估计效果很好,特别是在样本量小时比较明显.     

基于Ornstein-Uhlenbeck模型的WSN链路质量估计

无线传感器网络节点一般具有低成本、低功耗、低速率、能量有限等特点。使用廉价的低功率射频模块进行传感器之间通信,对无线信道的变化非常敏感。为了避免低信号质量数据链路上可能的重传导致的资源浪费,通常路由协议以及冗余编码机制等方法均需要不断地评估网络的链路质量。对于无线传感器网络来说,无论是自适应冗余编码还是路由协议均需要对包成功接收率（PSR）进行定量且准确地评估。针对这一问题,提出一种基于物理参数接收信号强度指示（RSSI）的方法来估计分组成功率。该方法首先根据大量实际测试,得到RSSI与PSR之间的关系,再根据实时接收到的RSSI值,利用Ornstein-Uhlenbeck（OU）模型以及Logistic曲线模型对下一时刻的PSR进行估计。仿真与实验表明,该方法相对于现有的方法具有更高的准确性与快速性。     

基于Dirichlet分布的电子商务信誉评估模型

在已有的信誉理论基础上,结合Dirichlet概率分布以及“差评敏感”的评估原则,提出了一个适用于电子商务的信誉评估模型.该模型基于Dirichlet概率密度函数,从概率的角度客观地反映了实体集的评估结果,根据评估实体输入的离散评估值,得出连续的信誉值.同时,“差评敏感”处理保证了模型对差评的敏感性,提高了模型的谨慎度...     

基于信誉模型的众包质量控制算法

针对目前众包平台会产生大量恶意工人以及较少考虑激励工人多次提供可信服务的问题,提出一种基于信誉模型的众包质量控制算法——信誉期望最大化(reputation expectation maximum, Rep-EM)算法。根据可信因子和惩罚因子建立信誉模型;基于工人信誉值和对任务的熟悉度提出一种工人选择机制;将工人匹配度作为权重赋予相应的工人并使用多数投票方法进行初始值选取,解决期望最大化(expectation maximum, EM)算法对初始值敏感和收敛困难的问题,避免算法陷入局部最优,提高评估结果的准确率;利用公开的众包数据集Adult2和Duck对Rep-EM算法和本研究提出的机制进行验证。试验结果表明,Rep-EM算法在评估准确率和运行时间方面有很大的提升,也从任务完成率和平均数据质量验证了本研究提出的工人选择机制的有效性。     

基于HMM模型的贝叶斯滤波方法

针对非线性动态系统估计问题,引入了一种不完全观测数据的统计模型——HMM模型。其双层随机结构较好地满足了实际估计的要求．在具体滤波过程中,将处理非线性问题常用的贝叶斯方法和HMM模型进行结合,通过预测和更新操作实现系统状态后验的连续递推估计,提高了运算速度．     

数据库信息分类中贝叶斯网络模型的应用

数据库信息分类中 ,朴素贝叶斯分类模型是一种简单而有效的分类方法 ,但它的属性独立性假设使其无法表达属性变量间存在的依赖关系 ,影响了它的分类性能 .而一般贝叶斯网络模型则由于能表达属性变量之间的依赖关系而越来越受到人们的重视 ,但一般贝叶斯网络分类模型结构的学习算法是一个NP完全问题 .本研究在一种简化的贝叶斯网络分类模型的基础上 ,利用其多项式时间复杂度的结构学习算法 ,将其应用于数据库信息分类 ,实现了学习效率和分类精度的一种折衷 .实验结果表明 ,这种分类方法有着比较高的数据库信息文本检索性能 .     

数据库信息分类中贝叶斯网络模型的应用

数据库信息分类中，朴素贝叶斯分类模型是一种简单而有效的分类方法，但它的属性独立性假设使其无法表达属性变量间存在的依赖关系，影响了它的分类性能．而一般贝叶斯网络模型则由于能表达属性变量之间的依赖关系而越来越受到人们的重视，但一般贝叶斯网络分类模型结构的学习算法是一个NP完全问题．本研究在一种简化的贝叶斯网络分类模型的基础上，利用其多项式时间复杂度的结构学习算法，将其应用于数据库信息分类，实现了学习效率和分类精度的一种折衷．实验结果表明，这种分类方法有着比较高的数据库信息文本检索性能。     

基于MCMC的分位回归AR-ARCH模型的贝叶斯分析

针对时间序列分布特征的高峰厚尾性,提出了一类分位回归ARCH模型.在贝叶斯理论框架下,通过选择适当的先验分布,并基于非对称Laplace分布构建模型的似然函数,实现了模型的贝叶斯推断.仿真试验和分析表明,该分位回归ARCH模型可全面刻画时间序列的非对称性和高峰厚尾性.     

基于先验信息的EIT电极时序数据分析

利用EIT技术,结合人体胸部的结构及电导率特征先验信息,利用大型有限元仿真软件COMSOL,针对胸部结构构建人体胸部模型,设定各组织的电导率特性,进行有限元剖分和正问题求解．对胸部电极的测量数据进行时序数据分析,并对电极测量数据矩阵进行小波分析,较精确地反映了胸部结构特性以及非均匀的电导率分布情况．在临床应用中,可以利用测量电极的电压序列变化情况,推测生物体心肺部电导率变化规律,进而判断其心肺部的生理及病理变化．     

一元线性回归模型的贝叶斯分析

在贝叶斯统计的基础上,给出了一元线性回归模型的贝叶斯分析方法.     

WSNs基于信誉机制的恶意节点识别模型

为了抵御无线传感器网络内部节点的拜占庭行为以及自私行为,针对现有恶意节点识别系统检测功能单一、不可抵御高信誉节点的恶意诽谤行为等问题.提出了一种无线传感器网络下的恶意节点识别模型,该模型采用Beta分布描述信誉分布,引入了第三方节点的间接可信度,并将多种攻击类型相对应的节点信任值进行整合.仿真实验表明,该模型能够更快更准确地识别出发起多种攻击的恶意节点,并在一定程度上抵御了高信誉节点的恶意诽谤行为.     

一种基于信誉的对等网推荐信任模型

参考现实世界人际关系网络,提出了一种基于信誉的对等网推荐信任模型。设计了一种信任查询协议,使得每个实体可以通过可信推荐者的推荐建立起对等点之间的信任关系,并给出了信任度计算和更新的方法。     

基于故障树和贝叶斯网络的故障诊断模型

针对设备故障诊断技术中存在的固有不确定性问题,通过分析传统故障树模型存在的局限性以及传统贝叶斯网络建造困难的特点,提出了一种融合于故障树和传统贝叶斯网络的新方法—诊断贝叶斯网络法,并阐述了故障树和贝叶斯网络的故障诊断策略优化方法的基本思想和具体算法.通过综合分析故障树和贝叶斯网络在诊断推理和模型表达方面的特点得出,新方法可使二者充分发挥优势,有效解决故障诊断中存在的不确定性问题,提高了诊断的准确率,在故障诊断领域中具有一定的实际应用价值.     

基于贝叶斯方法的实时洪水校正模型

简述了实时洪水校正方法的研究进展,提出并建立了基于贝叶斯方法的实时洪水校正模型. 该模型用先验分布考虑水文资料的不确定性,用似然函数描述模型结构和参数的不确定性,将两者综合得到预报流量的后验分布. 选用江西省白云山水库的雨洪资料对模型进行探讨与检验,采用可变遗忘因子最小二乘递推算法估计先验分布和似然函数的参数,以后验分布密度函数的均值作为结果发布. 结果表明该法不仅可显著的提高洪水预报精度,还给出预报区间估计值,实现了预报与决策的有机耦合.     

基于贝叶斯网络的海洋工程装备故障诊断模型

针对海洋工程装备结构工艺复杂、质量问题难以追溯的现状,构造了以工艺活动为中心的海洋工程装备贝叶斯网络故障诊断模型。该模型通过对海洋工程装备建造全过程的工艺进行结构和参数学习,结合专家意见构建贝叶斯网络、网络拓扑结构实现故障问题的智能推理诊断,以达到为实现质量追溯系统提供理论依据、提高企业质量管理水平的目的。最后,通过分析海洋工程装备平台建造中典型的焊接工艺贝叶斯网络,说明了贝叶斯网络在海洋工程装备领域的应用及其应用效果。     

基于贝叶斯决策的极短文本分类模型

为了有效提取极短文本中的关键特征信息,提出一种基于贝叶斯决策的极短文本分类模型。首先对原数据进行数据清洗并利用Jieba分词对清洗过的数据进行处理;然后利用Kettle工具提取分类所需关键词,并将处理后的数据存入数据库;最后利用贝叶斯决策对极短文本进行分类。通过(1-0)检验,验证模型的有效性。以一批极短文本数据作为样本进行实验,结果显示出该方法能够有效提高匹配效率,误分度与精确度指标的匹配结果更加均衡。