贝叶斯文本分类中特征词缺失的补偿策略

为了解决朴素贝叶斯分类器在处理文本分类任务时,往往存在的特征词缺失问题,即由于语料库中的词语出现分布情况遵循Zipf定律,仅依靠简单的增加训练语料方式难以解决这种因数据稀疏而引发的特征词缺失问题.引入统计语言模型中的数据平滑算法,通过从已出现词中"折扣"出一定的概率再分配到未出现词中去,来计算缺失特征词的补偿概率,以此克服数据稀疏问题带来的影响.评测数据在去掉停用词的分类过程开放测试中,引入Good-Turing算法的分类性能比Laplace原则提高了3.05%,比Lidstone方法提高1.00%.而在交叉熵选择特征词的算法中,增加Good-Turing的贝叶斯分类方法可比最大熵分类性能高1.95%.通过这种数据平滑的算法,有助于克服因数据稀疏而引发的特征词缺失问题.     

利用贝叶斯理论对电工产品进行可靠性评估

一个混合威布尔分布表示一个总体由若干个威布尔子总体组成。通过联合运用最小二乘法、贝叶斯定理和对单一威布尔分布的参数估计法,对服从混合威布尔分布的电工产品平均寿命及可靠度进行了估计,并结合实际试验数据进行了计算。结果表明,利用该方法能得到较精确的估计。     

智能变电站信息物理融合可靠性评估方法

智能变电站具备信息物理融合系统特征,其可靠性评估应从信息物理系统视角展开.分析了智能变电站物理侧和信息侧的可靠性因素及其相互影响,提出了考虑设备重要度的二次设备可靠性指标和考虑传输数据可靠性的通信链路可靠性指标,并给出了设备重要度的层次分析模型;指出智能变电站可靠性评估应考虑电网扰动和复杂运行状态对量测信息正确性的影响...     

从智能卡数据挖掘客流信息的算法

为了从广泛使用的智能卡付费系统获取公交客流信息,提出了一种利用公交调度信息和智能卡刷卡信息推断乘客上车站点的方法. 对同一辆车的连续2次刷卡进行朴素贝叶斯分类,区分是否是在同一个站刷卡;利用极大似然估计、动态规划和二次规划方法估计出各路段的行程时间;运用坐标下降法从不准确的初始参数出发,交替估计行程时间和行程时间的参数,从而推断出每次刷卡的上车站点. 实验结果验证了新方法的正确性和有效性,证明了该方法误差较小,收敛较快.      

方差分量模型参数经验Bayes估计收敛性

构造了误差正态的方差分量模型参数的经验Ｂａｙｅｓ估计，定义了逆拉直运算，利用作者自己曾经证明的多参数指数族ＥＢ估计收敛结果，证明了所构造的经验Ｂａｙｅｓ估计的收敛性     

一种基于高斯混合模型的距离图像分割算法

提出了一种基于表面法向的高斯混合模型的距离图像分割算法.它充分利用了表面法向高斯混合模型的物理含义,使数据聚类的次数减少,并利用Expectation-Maximization(EM)算法估计出的模型参数计算模型的后验概率实现了自动模型选择.算法针对两种距离相机的60幅真实距离图像进行了实验.将实验结果与几个流行的分割算法进行了客观比较.     

基于语义分类的文物图像标注研究

由于图像数据中普遍存在的“语义鸿沟”问题，传统的基于内容的图像检索技术对于数字图书馆中的图像检索往往力不从心。而图像标注能有效地弥补语义的缺失。文中分析了图像语义标注的现状以及存在的问题，提出了基于语义分类的文物语义标注方法。算法首先通过构建一个Bayes语义分类器对待标注图像进行语义分类，进而通过在语义类内部建立基于统计的标注模型，实现了图像的语义标注。在针对文物图像进行标注的实验中，该方法获得了较好的标注准确率和效率。     

基于Bayes估计理论的数据融合方法

本文研究了多传感器数据融合技术的一种方法。融合方法以Bayes估计理论为基础,并对数据进行了一致性检验,得到了多传感器最优融合数据,提高了数据的精确度。实际应用结果验证了算法的准确性,并进行了Matlab仿真。这种数据融合方法计算简便,可以获得比有限个传感器的算术平均值更准确的测量结果。具有较高的可靠性,可用于测量结果具有正态分布特性的多传感器测量系统。     

多智能方法及其融合系统在化工过程故障诊断中的应用

简要介绍了决策树、神经网络、K近邻等五种智能方法,提出了一种将这五种智能方法相融合的故障诊断系统,并将其应用在催化裂化装置上.通过对这五种智能方法及其融合系统的性能考察表明,融合策略发挥了各方法的优点,回避了它们的缺点,提升了系统的整体性能,其召回率为100%,精确度为98%.     

双参数Rayleigh分布环境因子的经验Bayes估计及应用

本文针对Rayleigh分布位置参数已知的情形,给出了Rayleigh分布环境因子的极大似然估计和经验Bayes估计,并将环境因子的估计结果应用于Rayleigh部件的可靠性评估,给出了该部件可靠度函数与失效率的估计。最后的随机模拟例子表明,经验Bayes估计优于极大似然估计,并且在考虑环境因子的情形下,Rayleigh部件可靠性指标的估计优于未考虑环境因子时的估计。