结合Bi-2DPCA与CNN的美式手语识别

针对现有美式手语（ASL）识别算法准确率低和模型训练时间长的问题,提出一种结合双向二维主成分分析（Bi-2DPCA）与卷积神经网络（CNN）并基于贝叶斯优化的识别算法。利用Bi-2DPCA算法对原始图像做数据降维处理,提取行、列方向的特征图,使用卷积神经网络对特征图进行训练分类,同时采用贝叶斯优化算法对模型超参数进行自动调参。在24分类ASL数据集上的实验结果表明,该算法的识别准确率达到99.15%,训练时间相比传统CNN算法减少90.3%。     

基于统计聚类方法的儿童下肢肌电信号周期识别

为运用肌电信号分析髋脱位儿童和正常儿童的差异,提出一种基于统计的聚类方法,识别步态中下肢肌电信号的周期起始时刻。使用非参数贝叶斯模型将肌电信号序列聚类为状态序列,并通过k均值聚类算法将该状态序列标记为肌肉活跃和不活跃两种状态,将肌肉活跃状态的起始时刻作为肌电信号周期的起始位置,并且利用窗函数方法提高预测准确性。实验结果表明,该方法对于预测正常儿童周期起始位置的识别误差较小,平均值为2.15%,并且在5%的置信度水平下与SampEN、SNEO和IP等检测算法相比具有较高的预测准确率。     

基于频繁项挖掘的贝叶斯网络结构学习算法BNSL-FIM

贝叶斯网络能够表示不确定知识并进行推理计算表达,但由于实际样本数据存在噪声和大小限制以及网络空间搜索的复杂性,贝叶斯网络结构学习始终会存在一定的误差。为了提高贝叶斯网络结构学习的准确度,提出了以最大频繁项集和关联规则分析结果为先验知识的贝叶斯网络结构学习算法BNSL-FIM 。首先从数据中挖掘出最大频繁项集并对该项集进行结构学习,之后使用关联规则分析结果对其进行校正,从而确定基于频繁项挖掘和关联规则分析的先验知识。然后提出一种融合先验知识的BDeu评分算法进行贝叶斯网络结构学习。最后在6个公开标准的数据集上开展了实验,并对比引入先验/不引入先验的结构与原始网络结构的汉明距离,结果表明所提算法与未引入先验的BDeu评分算法相比显著提高了贝叶斯网络结构学习的准确度。     

使用贝叶斯分类的高考学业规划智能问答系统

考生在填报高考志愿时,针对复杂繁多的各类高校信息数据,传统的搜索引擎无法根据考生需要的实际信息和搜索结果进行匹配,考生还需要额外消耗一定精力去筛选数据,这无疑增加了考生的时间成本.为此本文提出了基于高考领域知识图谱,使用中文分词模型和朴素贝叶斯分类算法,设计并开发了针对高考学业规划的智能问答系统.与传统的搜索引擎不同的是,基于人工智能的问答系统能够对考生所关注的问题和搜索结果进行精确匹配,减少考生重复搜索和筛选数据的次数.测试结果表明,本系统可以对高考学业规划中所涉及的大多数问题进行相对准确的针对性回答.     

Probabilistic observation model correction using non-Gaussian belief fusion

This paper presents a framework for state estimation which tolerates uncertainty in observation model parameters by (1) incorporating this uncertainty in state observation, and (2) correcting model parameters to improve future state observations. The first objective is met by an uncertainty propagation approach, while the second is achieved by gradient-descent optimization. The novel framework allows state estimates to be represented by non-Gaussian probability distribution functions. By correcting observation model parameters, estimation performance is enhanced since the accuracy of observations is increased. Monte Carlo simulation experiments validate the efficacy of the proposed approach in comparison with conventional estimation techniques, showing that as model parameters converge to ground-truth over time, state estimation correspondingly improves when compared to a static model estimate. Because observation models cannot be known with perfect accuracy and existing approaches do not address parametric uncertainties in non-Gaussian estimation, this work has both novelty and usefulness in most state estimation contexts.     

基于贝叶斯模型与最佳伙伴相似度量的目标跟踪

提出了一种基于产生式与判别式联合模型的视觉目标跟踪算法。首先介绍了一种基于全局颜色特征直方图特征的贝叶斯分类器,检测出若干最有可能属于目标的候选区域,然后利用最佳伙伴相似性度量（Best-Buddies Similarity）得到候选区域与目标模板的相似度,结合概率值与相似度值估计出最优的目标状态。通过划分目标-背景区域模型、目标-干扰区域模型,对可能产生干扰的区域提前进行抑制,降低了长期跟踪可能产生的漂移问题的风险,同时引入了自适应尺度估计机制和在线模型更新策略,以获得更为精准的跟踪结果。在37组具有挑战性的图像序列上与7种优秀的算法对比实验表明,所提出的算法能够有效应对光照变化、遮挡、旋转与尺度变化等多种问题。     

基于约束满足和贝叶斯网络的大规模定制产品配置方法

针对在产品配置过程中忽略了用户兴趣这一不足,提出了一种基于约束满足问题(constraint satisfaction problem,CSP)与贝叶斯网络(Bayesian network,BN)二者结合的产品配置方法.在CSP与BN的理论基础上,建立了基于CSP与BN的配置模型,给出了求解的具体方法.最后以组装电脑为例,开发了组装电脑产品的配置系统,该系统验证了这种配置方法能对配置结果进行优化,具有一定的可行性和有效性.     

PolSAR快速贝叶斯非局部均值相干斑抑制方法

从单极化合成孔径雷达(SAR)贝叶斯非局部均值算法出发,推导了极化相干矩阵在复Wishart分布下的块相似性度量函数,给出了无先验知识下的极化SAR贝叶斯非局部均值模型,并采用积分图实现了该算法的快速计算.最后,通过机载合成孔径雷达实测旧金山地区的极化SAR数据进行了验证.实验结果表明,文中方法能够有效抑制相干斑的同时,保持了极化特征,并大幅提升了运算效率.     

贝叶斯方法的污染源季节性排放量控制和管理

为保证水质功能区内水质达标,必须对区域内污染源排放量进行控制和管理。选取松花江哈尔滨段主要污染指标COD和氨氮为研究对象,利用一维水质模型构建各污染源排放量与河流水质之间的关系。用贝叶斯方法估计水质模型中的重要参数综合降解系数（ k）,根据估计时期的不同,分别建立季节模型和年度模型,用以控制既定水质目标下各污染源排放量。结果表明,季节模型的预测效果较好,能更好地表达水中污染物的综合降解浓度。应用季节模型和贝叶斯方法开展季节性水质管理工作,可以提供给决策者更多的信息,有助于对污染源排放量的不确定性进行量化和评估。此外,通过对比各污染源的削减水平,可得各污染源在不同时期的控制权重,从而使管理者在不同时期有针对性地对污染源排放量进行控制。贝叶斯方法在污染源排放量控制中的应用可以增强水质模型的预测能力,有效提高水质管理的水平。