信息不完全下的组合仲裁

基于争议双方对仲裁人的裁决值有不同概率估计这一前提分析组合仲裁.构造了它 的非合作对策模型.然后利用此模型,在多种情形下探讨了Nash均衡报价策略的存在性,得 出了组合仲裁不能诱导争议双方报价收敛的结论,这与Brams和Merrll Ⅱ在争议双方对裁 决值有相同概率估计前提下获得的著名结论正好相反.最后分析了当一方变得风险厌恶时, 对争议双方报价的影响.     

不完全信息下的最终报价仲裁

基于争议双地仲裁人的裁决值有不同的概率估计，而这些估计是双方共同知识这一前提分析最终报价中仲裁，把它构造成一个不完全信息的非零和对策模型。然后给出了局部、全局Ｎａｓｈ平衡报价策略存在唯一的充分条件，最后探讨了双方认识存在的差异对争议人报价行为的影响。     

基于数据库二进制日志的竞赛式仲裁优化方案

在拟态防御理论中,仲裁模型在一定程度上决定了拟态系统的整体安全性和执行效率,而仲裁策略作为仲裁模型中的关键环节,会对裁决结果的正确性产生直接影响。针对竞赛式仲裁模型中由差模逃逸造成的裁决结果异常问题,提出一种竞赛式仲裁优化方案,采用异构数据库执行体的二进制日志匹配结果对仲裁结果进行校验,保证裁决结果的正确性。实验结果表明,与竞赛式仲裁方案相比,优化方案能够提高仲裁结果正确率,减少SQL注入的差模逃逸事件,保证拟态系统在执行周期内的安全性和可靠性。     

IEEE802.11e无线局域网语音性能分析模型

无线多媒体传输中,正确评估IEEE802.11e无线局域网的语音质量尤为重要.提出一种IEEE802.11e无线局域网的语音质量评价模型.该模型引入E-Model VoIP语音质量评估方法,估计IEEE802.11e无线局域网的语音质量.重点考虑碰撞丢失对语音质量的影响,建立新的碰撞概率表达式.通过MATLAB、NS2仿真分析比较了不同碰撞概率在新模型下的语音质量.结果表明提出的碰撞概率在新模型下语音质量最接近真实值,具有最高的评估准确度.     

基于自适应增强算法的支持向量机组合模型

为了提高软测量模型的泛化能力,提出一种基于AdaBoosting算法的组合支持向量机(SVM)模型.该方法在贝叶斯分析的基础上,利用样本概率初始化惩罚系数,依据回归过程中的损失函数更新惩罚系数权重,使得SVM训练模型有强、弱之分,突出一些重要样本的作用,以提高模型的估计精度和泛化能力.仿真结果表明,依据该方法建立的组合模型明显改善了软测量模型的估计能力和泛化能力.     

基于全概率更新的改进RANSAC算法

针对鲁棒性模型估计问题,提出一种基于全概率更新的改进RANSAC算法.该方法利用混合分布模型获取测试样本点的初始概率估计.在RANSAC算法框架下,根据模型估计与测试样本点对一致集的适应度建立全概率评价准则.在此基础上,采用逆变映射作为采样策略,提高了算法的收敛速度;同时,运用测试点平均概率对所提出算法进行了收敛性分析.最后,通过仿真与实际图像匹配实验进一步验证了所提出算法的有效性与可行性.     

基于局部变分贝叶斯推断的分布式交互式多模型估计

针对目前部分多模型算法预先设定运动模型转移概率矩阵对状态估计精度的不利影响,本文提出了一种基于局部变分贝叶斯推断的分布式交互式多模型估计算法.不同于传统交互式多模型估计中运动模型转移概率矩阵为先验已知的假设条件,在分布融合估计框架下,首先基于最小化Kullback-Leibler散度准则的递归优化策略实现对运动模型转移概率矩阵的预测与更新;在此基础上,结合变分贝叶斯推断实现对当前时刻目标状态与模型概率的联合估计;最后依据协方差交叉融合策略完成对局部状态估计融合.仿真结果表明:新算法通过对运动模型转移概率矩阵以及模型概率自适应在线估计,有效提升了机动目标的状态估计精度.     

基于整体和局部参数估计的最优检测算法的性能比较

对以固定强度嵌入的乘性扩频水印的最优检测模型进行了研究．分别利用整体参数估计和局部参数估计方法对DFT、DCT和DWT域内最优检测的分布模型参数进行了估计，并就这两种参数估计的最优检测方法做出比较．通过实验得到以下结论：在无攻击条件下，局部参数估计的性能优于整体参数估计的性能；在有攻击条件下，整体估计的性能要好于局部参数估计的性能；压缩攻击会导致水印误检概率的增加,不同的攻击对模型造成的影响不同．     

基于短基线传感器网络的远场声源TDoA定位组合算法

针对远场声源定位问题,提出到达时间差(TDoA)定位的短基线传感器网络方案.通常有一类定位算法无需估计初始点,而另一类算法则依赖初始估计值,提出将这2类方法相结合,设计出几种组合定位算法.主要思想是扬长避短,由第1类定位算法实现粗定位和输出初始估计位置,将其作为初始点输入给定位精度高和依赖初始值的第2类算法.提出利用蒙特卡洛法和简化的几何配置案例,计算定位算法的概率误差圆,论证了这种性能评估准则的可行性.通过对组合算法的概率误差圆进行数值分析,得出球形插值法与最小二乘方程差法的有机组合具有最优性能的结论,并分析了这种组合算法的盒图特性.根据不同的距离和声程差标准偏差进行模拟,以及采用野外真实场景下获得的声源数据进行试验,验证了结论.     

贝叶斯概率LSA模型权重更新算法

针对潜在语义分析（LSA）模型的权重更新问题,提出了一种基于贝叶斯理论的自适应权重更新算法ALSAB。ALSAB采用最大后验概率估计与期望值最大（EM）算法对概率LSA模型参数进行有效的估计,在充分考虑多次更新中不常用字词概率参数降低问题的前提下,采用增量学习方法降低多次更新产生的累积效应。实验结果表明,与现有的权重更新算法相比,提出的ALSAB算法显著地提高了检索的准确率与召回率。