基于贝叶斯网络的风力发电机故障诊断方法

贝叶斯网络是概率统计学的重要分支,具有强大的不确定性问题处理能力,适用于复杂系统的故障诊断。风力发电机系统维护成本较高,为减少维修成本,需要进行准确的故障定位;文章对基于贝叶斯网络的故障诊断方法进行了研究,介绍了贝叶斯网络故障诊断模型的建立过程,并着重介绍了诊断算法推导和计算过程;利用历史故障统计数据建立了风力发电机系统贝叶斯网络Matlab模型,主要包括网络结构有向无环图和条件概率分布参数等内容;最后,模拟了两种故障,分别采用贝叶斯网络方法和相关性矩阵方法进行故障诊断,通过对两种方法诊断结果的比较,前者具有更好的故障分辨率,可有力支持复杂系统的维护保障、降低维修成本。     

关于Bayes网络的性质及其存在问题的探讨

本文首先介绍了Bayes理论的起源和Bayes公式,接着讨论了Bayes网络的几种性质和存在的问题。     

基于动态贝叶斯网络的入侵意图识别方法

在构建高层次攻击场景和处理复杂攻击时,入侵检测技术难以有效察觉入侵者的意图、识别攻击间的语义以及预测下一步攻击。为此,针对网络复杂攻击过程中的不确定性,提出一种基于动态贝叶斯网络的入侵意图识别方法,采用动态贝叶斯有向无环图实时表述攻击行为、意图与攻击目标之间的关联,应用概率推理方法预测入侵者的下一步攻击。实验结果反映入侵者的意图在入侵过程中的变化规律,验证该方法的有效性。     

新的贝叶斯网络结构学习方法

贝叶斯网络是一种将贝叶斯概率方法和有向无环图的网络拓扑结构有机结合的表示模型,它描述了数据项及数据项之间的非线性依赖关系.报告了贝叶斯网络研究的现状,并针对传统算法需要主观规定网络中结点顺序的缺点,提出了一个新的可以在无约束条件下,根据观测得到的训练样本集的概率关系,自动完成学习贝叶斯网络结构的新方法.     

利用贝叶斯网络融合空间上下文的高分辨遥感图像分类

针对高分辨遥感图像,本文提出了一种基于贝叶斯网络的上下文模型,以及基于该模型的面向对象的遥感图像分类方法.首先,利用支持向量机(SVM)实现分割区域的初始分类,获得各个类别的候选区域.然后,利用提出的上下文模型融合候选区域及其周围区域的上下文信息,通过贝叶斯网络推理,将候选区域分类到各类地物类型中.基于贝叶斯网络的上下...     

贝叶斯网络中因果链搜索算法及其应用研究

将有向无环网络中简单路径的搜索算法用于贝叶斯网络中的因果链搜索.根据因果链上节点的条件概率表,计算出每条因果链中各节点的状态概率,从而完成了概率的传播和更新.本文所提出的因果链上的前向和后向推理方法可用于因果链敏感性分析,为科学决策提供依据.     

基于遥感数据提取的信息查询系统设计与实现

现代遥感技术为识别植被的种植空间、面积等提供了新的方法。本研究综合运用环境减灾卫星(HJ)资料、国产高分辨率卫星(ZY3、02C、GF1)遥感数据资料,利用光谱成像特征,对库尔勒的地物进行识别并提取林果业信息。研究在收集整理库尔勒市多年红枣、葡萄种植调查资料的基础上,利用“3S”即卫星遥感(RS)、地理信息系统(GIS)、全球定位系统(GPS))技术,建立科尔拉市枣、葡萄种植信息系统,详细掌握科尔拉市红枣、葡萄种植。基础信息,实现种植信息数字化管理,为库尔勒市提供红枣、葡萄种植分析决策基础信息依据,使政府部门科学合理调整种植产业结构,科学有效地对红枣、葡萄的种植规划、种植管理、红枣、葡萄市场营销等提供决策服务。     

基于空间角度理论的卫星光学遥感数据认知与挖掘

随着科学技术的发展,新的探测器不断地升空,卫星光学遥感数据经历了长周期的积累和更新。如何有效地开发与利用巨量遥感数据,从中挖掘出隐藏的信息和信息的知识化是当前面临的严峻挑战。首先分析了地面物质和结构光谱与卫星遥感信息之间的关系,建立了空间角度模型;然后以多维遥感信息的象元矢量和波段趋势面分析为基础,分析了当前用来处理光学遥感数据的商业化“最优化”算法在处理遥感数据时经常出现的“欠优”结果的原因;最后,通过对美国陆地卫星ＴＭ 数据的处理与挖掘说明基于空间角度算法在处理多波段遥感数据时的数学能力     

基于PCA与EM算法的多光谱遥感影像变化检测研究

变化检测技术能够从观测数据中有效地提取各种变化信息。以多时相的多光谱遥感影像作为主要研究对象,就基于直接比较像元特征的变化检测中两方面的关键问题——差异影像的构造和变化阈值的提取来开展研究,具体采用PCA结合差值比较的方法构造差异影像,采用EM自动确定变化阈值以提取变化区域。通过与传统变化检测方法的实验比较,证明了该方法的有效性。     

使用贝叶斯优化对遥感影像目标进行精确定位

针对大尺寸遥感影像目标检测中检测边框不精确的问题,提出使用高斯过程贝叶斯优化对遥感影像中的目标进行精确检测与定位。研究分为两个阶段,第一阶段使用基于边缘信息的EdgeBoxes算法对大尺寸遥感影像进行目标候选区域的选取,用分类器得到初始检测结果;为了得到更加准确的边框,在第二阶段,基于高斯过程的贝叶斯优化对每个目标的边框进行微调：①以目标初始边框为基准,在其周围选取与初始边框相交的边框集合,并得到一个高斯过程分布;②使用贝叶斯优化估计出下一个边框,并将其加入边框集;③求分类器对所有边框的得分,得分最高的边框作为下次迭代的基准边框;④重复若干次贝叶斯优化后得到最终的边框。实验结果表明：EdgeBoxes方法以较少的候选框可以得到较大的召回率,使用高斯过程的贝叶斯优化可以明显地提高检测边框的精度。     

遥感变化检测方法研究综述

遥感变化检测技术是遥感信息科学的重要研究领域,是当前遥感数据处理技术的主要发展方向.本文从三个方面介绍遥感变化检测的技术与方法：首先简要介绍遥感变化检测的数据预处理;其次,重点介绍了各种遥感变化检测方法,并对各种方法优缺点做了简单评述;并提出了遥感变化检测中应注意的问题和本研究的几项经验性的结论.     

利用归一化互信息进行基于像斑的遥感影像变化检测

提出了利用遥感影像分割获取像斑进行变化检测的方法。将归一化互信息引入到遥感影像变化检测中,利用像斑的灰度直方图以及联合灰度直方图计算像斑的归一化互信息,依据条件熵最小的原则,获取最佳划分阈值,并与相关系数法进行了比较。实验结果显示归一化互信息法更适用于遥感影像变化检测。     

一种新的多波段遥感影像变化检测方法

随着遥感技术的发展,采用遥感影像对国土资源进行动态监测已经成为了热点。目前常用的差值法和分类后比较变化检测方法中存在着各种缺陷。提出一种基于模糊C均值聚类（FCM）算法的遥感影像变化检测方法,利用一个改进的模糊C均值聚类算法进行遥感影像分类处理,然后引入多波段综合变化掩膜的思想进行变化检测。实验结果表明这种方法是有效的,提高了检测精度,检测结果为国土资源调查提供了重要依据。     

双通道孪生网络在遥感变化检测中的应用

遥感变化检测旨在通过比较同一位置不同时期遥感影像以检测出存在显著或者潜在的遥感变化的区域. 目前, 大多数相关工作聚焦于正时序变化检测上, 对反时序变化检测表现较差. 为了避免时序对变化检测带来影响, 通常的做法是将正时序和反时序的数据都囊括构成数据集. 然而, 这会导致模型训练时间更长. 本文提出一种双通道孪生网络,...     

基于EBPNN模型的遥感图像变化检测研究

对不同时段获取的特定图像进行自动变化检测是遥感图像研究的主要问题;通过自适应中值滤波(AMF)去除遥感图像中的噪声,结合Tamura和Law掩模方法提取图像中的次级特征,并将研究区域划分为植被、水域和城区三类,利用增强型反向传播神经网络(EBPNN)对特征提取结果进行分类并实现不同时期遥感图像的变化检测;与现有的FFNN和CNN分类技术相比,利用EBPNN进行分类可以有效地检测出图像中的变化且具有更好的检测性能。     

遥感影像变化检测方法综述及展望

变化检测技术是遥感应用领域的一个重要研究方向。本文首先对常见的变化检测方法进行了概括性介绍与优缺点评述,并分析了当前变化检测方法中存在的普遍问题;并在此基础上,展望了一种基于影像分割的变化检测方法:在仅对其中一个时相影像进行分割的基础上,建立了两时相影像间的对应图斑单元与变化判别规则,实现图斑单元间的直接比较来提取变化信息。并分析了基于分割的变化检测方法与像素级变化检测方法相比具有的优势。     

Naive Bayesian Classifier在遥感影像分类中的应用研究

将Naive Bayesian Classifier（简单贝叶斯网络分类器）用于遥感影像的分类,并对其主要问题如特征选择和后验概率推理等展开研究。使用K2结构学习算法选出具有类别可分性的波段,进一步利用互信息测试对遥感波段之间的相关性做分析,去除冗余信息。特征（波段）的条件独立性假设简化了联合概率的计算,以较小的计算代价获得后验概率。在此基础上,将Naive Bayesian Classifier用于多光谱和高光谱影像的分类,获得很好的性能和相当高的稳健性。     

基于模糊C均值聚类和邻域分析的无监督多通道遥感图像变化检测

提出一种基于模糊C均值聚类(Fuzzy C-means,FCM)和邻域分析的多通道遥感图像变化检测方法.通常的多通道遥感图像变化检测方法将变化信息从多个波段压缩到一个波段,损失了遥感图像的波段信息.本文将多波段变化信息用FCM方法来实现多通道遥感图像的变化检测.但由于FCM有对孤立点敏感的特点,该方法容易受噪声的影响....     

基于影像区域特征人工目标变化检测方法

提出了一种基于图像区域特征的人工目标变化检测方法,在研究解决区域特征变化准则函数构造、特征量标准化处理、多特征联合变化判定规则确定等问题的基础上,能够抑制单纯由像素灰度差异引起的伪变化,而且对不同尺寸的区域变化有较好的适应性。     

基于Relief-PCA特征选择的遥感图像变化检测

面向对象的变化检测技术在高分辨率遥感图像领域已经得到广泛地应用。由于遥 感图像受光照、大气环境等成像条件的影响,图像特征的质量也参差不齐,筛选出高质量的特 征成为对象级遥感图像变化检测的关键。针对此问题,提出了一种基于 Relief-PCA 特征选择的 对象级遥感图像变化检测方法。首先,对原始图像进行多尺度分割获得目标对象,并提取对象 的光谱特征与纹理特征;然后,利用对数比值法获得变化矢量,再使用 Relief-PCA 特征选择的 方法对图像的对象特征进行筛选与降维;最后,计算并生成 CVA 变化强度图,利用 Otsu 方法 对变化强度图进行阈值分割得到最终的变化检测结果。实验表明：与已有方法相比,该方法的 变化检测精度更高,误检率和漏检率更低。