基于隐变量贝叶斯模型的稀疏信号恢复

该文基于贝叶斯分析的视角,揭示了一类算法,包括使用隐变量模型的稀疏贝叶斯学习(SBL),正则化FOCUSS算法以及Log-Sum算法之间的内在关联。分析显示,作为隐变量贝叶斯模型的一种,稀疏贝叶斯学习使用第2类最大似然(Type II ML)在隐变量空间进行运算,可以视作一种更为广义和灵活的方法,并且为不适定反问题的稀疏求解提供了改进的途径。较之于目前基于第1类最大似然(Type I ML)的稀疏方法,仿真实验证实了稀疏贝叶斯学习的优越性能。     

选剔同步的高光谱遥感图像波段选择算法

为了降低高光谱遥感图像冗余度,减少后续的计算复杂度,提出了选剔同步的高光谱遥感图像波段选择算法.以主成分分析后的数据作为参考波段来源,以互信息作为选取波段的相似性度量,引入R-KL 系数作为剔除波段的判别准则,利用边选取边剔除的方式进行波段选择.为了验证该算法的有效性,运用贝叶斯分类法对降维后波段进行分类,并与自适应波段选择和基于最大信息量的波段选择算法进行比较.结果显示当选取波段数目较少时,该算法的分类效果优于上述两种算法,当选取波段数目较多时,3 种算法分类效果相当,故该算法是一种有效的波段选择算法.     

反坦克导弹武器系统可靠性要求分析与研究

对某反坦克导弹武器系统的可靠性要求做了分析,阐述了分析导弹武器系统可靠性规定值和可接收值计算方法及其考核办法。武器装备的可靠性。对于装备来说至关重要,直接影响装备战斗力发挥和战争成败,本文对项目研制人员和军代表系统都有一定的参考价值。     

利用纵横波速度比判断储层流体性质

流体性质判别一直是测井解释的重点,但是对于测井中遇到的高电阻率水层和低电阻率气层这2种特殊的储层,常规测井资料在解释中难度较大.经过研究,利用岩性和孔隙度计算合成的纵横波速度比与实测纵横波速度比相比较,低于理论值的部分为气层,高于或者等于理论值的部分为水层或者干层,能够较好的识别这2种类型的储层的流体性质.通过在四川油气田碳酸盐岩地层的孔隙型储层使用,并经过试油结果的验证,证明该方法是切实可行的.     

肌电模糊熵特征的加权核FDA跌倒识别

针对跌倒常常对老年人的健康构成严重危害的问题.本文设计了一种基于肌电信号的跌倒检测方法,首先提取腓肠肌和股外侧肌的sEMG的模糊熵特征作为特征向量,然后,针对日常活动动作类(Activities of Daily Life,ADL)的数目远多于跌倒类导致的数据集不平衡的问题,提出了加权核Fisher线性判别方法,采用相应的平衡参数来调节样本核矩阵,最终,将跌倒与行走、蹲下和坐下辨识出来.实验结果表明,该方法跌倒平均识别率96.7%,ADL平均识别率99.4%,识别结果优于其它分类方法.     

基于词条时序的朴素贝叶斯垃圾邮件过滤方法

朴素贝叶斯分类算法是一种有效的垃圾邮件过滤技术.互联网上的信息随着时间推移产生概念的变迁,最近出现的垃圾邮件词条可作为判定垃圾邮件的重要依据.将新近的垃圾邮件词条单独记录,在进行邮件分类时,对于最近出现的垃圾词条,提高其对垃圾邮件判定的先验概率.通过实验对比,提出的垃圾邮件过滤方法较传统的朴素贝叶斯垃圾邮件过滤具有更高的准确性、精确性和召回率.     

基于PCA的贝叶斯网络分类器研究

针对基于信息论的贝叶斯网络结构学习算法中结点集越大计算效率越低的缺点,采用主元分析(PCA)对样本数据降维.减少构造网络的结点数量,提高贝叶斯网络结构构造算法的效率.应用基于PCA方法构造贝叶斯网络.其结点少、结构简单,较传统贝叶斯网络具有较高的学习效率和分类准确率.     

基于动态聚类和合理性差别的证据理论改进算法

针对证据高度冲突时利用DS证据理论直接进行融合会得出不合理结果的问题,文中提出了一种新的证据融合方法.首先,利用动态聚类对证据进行分类,将含证据最多的类称为主类,其余类称为旁类.当旁类的证据个数与总的证据个数的比值小于或等于设定的阈值时,认为上述证据不合理并删除;当比值大于这一阈值时,则保留该旁类中的证据.然后,提出基于重心距离的方法确定剩余证据的可信度,求出期望证据,最后对其迭代融合.计算机仿真结果验证了该方法的有效性.     

一种改进的基于K-SVD字典的图像去噪算法

为了更好地实现图像的去噪效果,提出了一种改进的基于K-SVD（Singular Value Decomposition）字典学习的图像去噪算法。首先,将输入的含噪信号进行K均值聚类分解,将得到的图像块进行稀疏贝叶斯学习和噪声的更新,当迭代到一定次数时继续使用正交匹配追踪（Orthogonal Matching Pursuit,OMP）算法对图像块进行稀疏编码,然后在完成稀疏编码的基础上通过奇异值分解来逐列更新字典,反复迭代至得到过完备字典以实现稀疏表示,最后对处理过的图像进行重构,得到去噪后的图像。实验结果表明,本文的改进算法相对于传统的K-SVD字典的图像去噪能够在保留图像边缘和细节信息的同时,更有效地去除图像中的噪声,具有更好的视觉效果。