基于概率分布距离的多响应模型确认度量

针对模型确认中的确认度量问题,构造实验观测数据经验概率分布的置信包络。通过计算其与模型响应概率分布之间距离的上/下确界,给出基于概率分布距离确认度量的置信区间。通过构造与实验观测数据有关的协方差矩阵,给出基于概率分布距离的多响应模型确认度量及其置信区间的求解方式。该度量利用了模型输出与实验观测的完整概率分布信息,并且考虑了各模型响应间的相关性。算例仿真结果表明其确认错误率低于现有的其他两种确认度量。     

考虑随机不确定性的常态仿真模型确认试验设计

模型确认试验是一种新的试验,其目的在于度量仿真模型的可信度.为了得到低成本、高可信度的模型确认试验方案,提出一种随机不确定性模型确认试验设计方法.首先,基于面积确认度量指标提出一种新的无量纲的模型确认度量指标(面积确认度量指标因子),并且在其基础上发展了基于专家系统的仿真模型准确性定性评判准则;然后,建立随机不确定性模型确认试验优化设计模型,提出该优化模型的求解方法;最后,通过两个数值算例对提出的模型确认试验设计方法进行验证.结果表明,小样本情况下,试验方案的随机性会影响模型评判结果的可信度;面积度量指标因子随试验样本数量的增加而收敛;随机不确定性模型确认试验设计方法能够避免试验方案对模型确认结果的影响.     

多粒度云模型的相似性度量

当前存在的云模型相似性度量仅局限于单粒度空间,缺乏多粒度云模型的相似性度量的相关研究.因此,文中首先证明知识距离框架的相关性质,并建立知识距离与信息度量、信息粒度之间的联系,在分层递阶粒结构上得到如下结论:同一粒结构中粒空间的粒度差异正相关于知识距离,通过知识距离可将随粒度连续变化的粒空间映射到一维坐标上.最后,在知识距离框架的基础上提出云模型相似性度量方法.实验验证上述结论在云模型粒空间上成立.     

网络效能度量模型探讨

为了度量网络效能的大小,通过对美国Jeffrey R.Cares所建立的网络效能度量模型提出疑问,在参考相关知识和概念的基础上,采取引入网络链路连通概率的方式,对该模型进行了拓展并进行了举例计算.计算结果表明:网络效能不但取决于网络中的节点和链路的数量,而且还与链路连通概率相关,这与实际相吻合.拓展后的模型不但可以用于分析或比较网络效能的大小,而且还可以用于权衡网络链路的相对重要性.这为开展基于复杂网络的作战效能问题研究提供了一种新思路.     

软件度量模型及其方法的研究

如何提高软件的质量始终是软件工程领域研究的重要方向。基于度量的量化管理是目前最有效的质量保证手段之一,为此对软件度量的概念和范围进行了研究,提出了一种软件度量模型和度量指标,并对相关度量模型方法进行了比较。     

基于面积重叠法的概率盒全局灵敏度计算分析

针对随机与认知混合不确定性的概率盒灵敏度分析问题,提出一种利用概率盒缩减前后重叠面积作为不确定性度量的全局灵敏度分析方法.混合不确定性在航空航天仿真系统中广泛存在,概率盒方法用于随机与认知混合不确定性的表征在学术界已被广泛应用.首先,介绍传统概率盒灵敏度分析的不确定性缩减法理论,在此基础上,进一步考虑概率盒在位置和形状上的偏移量;然后,通过计算缩减前后的概率盒面积重叠量来表征各输入不确定性的影响程度,阐述其实施步骤;最后,通过数值算例对所提出方法与传统不确定性缩减方法进行全局灵敏度分析的对比和验证,并应用于发动机总体性能仿真计算灵敏度排序.研究结果表明,所提出面积重叠方法比传统不确定性缩减法适用范围更广,计算结果更准确.     

多模型概率假设密度平滑器

针对杂波环境下的多个机动目标跟踪问题, 本文将多模型概率假设密度(Multiple-model probability hypothesis density, MM-PHD)滤波器和平滑算法相结合, 提出了MM-PHD前向--后向平滑器. 为了避免引入复杂的随机有限集(Random finite set, RFS)理论, 本文根据PHD的物理空间(Physical space)描述法推导得到了MM-PHD平滑器的后向更新公式. 由于MM-PHD前向--后向平滑器的递推公式中包含有多个积分, 因此它在非线性非高斯条件下没有解析的表达形式. 故本文又给出了它的序贯蒙特卡洛(Sequential Monte Carlo, SMC)实现. 100次蒙特卡洛(Monte Carlo, MC)仿真实验表明, 与MM-PHD滤波器相比, MM-PHD平滑器能够更加精确地估计多个机动目标的个数和状态, 但MM-PHD平滑器存在一定的时间滞后, 并且需要耗费更大的计算代价.     

Coad&Yourdon模型下CK度量扩展方法的研究

在对Coad&Yourdon模型和CK度量进行分析的基础上,提出对Coad&Yourdon模型主题层结构进行细化的原则以及相应的扩展CK度量模型.探讨了将CK度量方法用于对Coad&Yourdon模型度量的过程与方法,使CK度量的适用范围扩充至面向对象分析(OOA)阶段.最后给出相关实例进行了具体的说明.     

基于混合多距离度量的多分类器加权集成研究

在机器学习领域,分类器加权在小样本数据集中的分类正确率较低。为此,提出一种基于混合距离度量的多分类器加权集成方法。结合欧氏距离、曼哈顿距离、切比雪夫距离,设计混合的距离度量加权方法,使用加权投票组合规则集成各分类器的输出结果。实验结果表明,该方法鲁棒性较好,分类正确率较高。     

基于概率盒演化的时变系统不确定性量化方法

针对时变系统的不确定性量化和传递问题,提出一种概率盒演化方法.根据系统的时变规律,获取系统响应的累积分布函数随时间变化的规律,将认知不确定性参数和随机不确定性参数分离在外层和内层,用蒙特卡洛法量化外层的认知不确定性参数,用基于随机配点的非嵌入式混沌多项式法量化内层的随机不确定性参数,通过求取不同时刻系统响应的累积分布函...     

一种基于马氏距离的可能性聚类方法

可能性聚类方法在数据分析和模式识别领域被广泛应用.本文通过选择马氏距离,构造一种特殊的基于马氏距离的可能性聚类方法.该方法在保持可能性聚类性能的同时,能有效地防止一致性采类的发生,依照最大最小概率原理,根据聚类的结果直接推断出聚类结果的误分下界,从而判断聚类的有效性.最后通过图像分割实验和标准数据集实验,验证了该算法的...     

划分交互式箱粒子概率假设密度滤波法

针对现有的多机动目标追踪问题,将交互式多模型(interacting multiple model,IMM)思想与箱粒子概率假设密度滤波器(box probability hypothesis density filter,Box-PHD)相结合,并针对箱粒子在区间密集杂波等复杂环境下箱体偏大,所导致的箱粒子冗余和目标...     

面向图像复原的分层贝叶斯局部高斯混合模型

近年来使用高斯模型作为块先验的贝叶斯方法取得了优秀的图像去噪性能,但是这一方法在去噪之外的逆问题求解方面性能不太稳定.提出一种基于分层贝叶斯的高斯混合模型对图像块建模,对模型参数引入先验知识,利用Gaussian-Wishart分布对均值和协方差矩阵的概率分布建模,使得块估计过程更加稳定.基于邻近块的相干性,利用L2范...     

基于可见光与红外数据融合的地形分类

针对单传感器地形分类效果不佳的问题,提出一种基于可见光与红外数据融合的地形分类方法。分别对可见光图像与红外图像提取特征,使用最近邻分类器和最小距离分类器进行后验概率估计,将来自不同特征、不同分类器的后验概率加权组合,通过散度计算得到特征的权重,实验确定分类器的权重,并在最小距离的后验概率估计中,使用马氏距离代替欧氏距离。实验结果表明,该方法对水泥路和沙子路的识别率分别达到99.33%和96.67%,均高于同类方法。     

马氏距离多核支持向量机学习模型

支持向量机是统计机器学习中的一种重要方法,被广泛地应用于模式识别、回归分析等问题。但一般支持向量机未考虑样本的总体分布,降低了支持向量机的泛化能力。针对该问题,提出一种马氏距离支持向量机学习模型,考虑总体样本的分布,并将该模型扩展到多核学习模型。通过数学方法将欧式距离核矩阵转化为马氏距离核矩阵,降低模型的实现难度。实验结果证明,该模型不仅保持了欧式距离多核学习模型的原有性质,且具有更好的分类精确度。     

基于模型距离和支持向量机的说话人确认

针对采用支持向量机的说话人的确认问题,提出采用背景模型、说话人模型、测试语句模型间距离和夹角作为支持向量机的特征矢量,同时将组特征矢量与广义线性判别式序列核函数的参数相拼接,能够取得相对于基线的混合高斯模型算法更高的识别率.在2004年NIST评测数据库上,采用推荐算法的系统等错误率比基线的混合高斯-背景模型系统低16%.对说话人识别取得一定进展.     

基于后验概率SVM的仿真模型验证方法*

针对复杂系统建模与仿真中模型验证的特点,提出基于后验概率支持向量机（support vector machine, SVM）的仿真模型验证方法。采用基于误差分析的特征提取方法提取各可选仿真模型和实际系统输出的特征向量,利用各可选模型的特征向量及相应的模型标号组成训练集建立后验概率SVM模型,将实际系统的特征向量作用于后验概率SVM模型,依据其概率输出判别可选模型相对于实际系统的有效性。以某型飞行器制导控制系统仿真模型验证为例,证明了该方法的可行性和有效性。