搜索结果: 1-11 共查到“知识库 控制科学与技术 叶”相关记录11条 . 查询时间(0.203 秒)
朴素贝叶斯分类器不能有效地利用属性之间的依赖信息, 而目前所进行的依赖扩展更强调效率, 使扩展后分类器的分类准确性还有待提高. 针对以上问题, 在使用具有平滑参数的高斯核函数估计属性密度的基础上, 结合分类器的分类准确性标准和属性父结点的贪婪选择, 进行朴素贝叶斯分类器的网络依赖扩展. 使用UCI 中的连续属性分类数据进行实验, 结果显示网络依赖扩展后的分类器具有良好的分类准确性.
一种可变步长傅里叶分析器的统计特性分析
自适应傅里叶分析器 可变步长最小均方算法 统计特性分析 追踪性能 收敛性
2017/1/5
可变步长最小均方(Variable step-size LMS,VSS-LMS)算法的傅里叶分析器在稳态误差、收敛速度及追踪能力方面具有优异性能,对其进行全面的统计特性分析具有重要意义.本文基于误差服从高斯分布等假设在平均及均方意义下,推导出描述系统动态特性的差分方程组,完成系统的动态数学建模,进而对系统进行稳态性能分析,给出系统稳态误差关于参考信号频率、系统参数和附加噪声的表达式,为系统应用中的...
非线性非齐次Markov跳变系统的贝叶斯滤波
非线性非齐次Markov跳变系统 贝叶斯估计 参考概率空间 粒子逼近
2012/3/16
针对具有时变不确定转移概率的非线性非齐次Markov跳变系统, 提出一种贝叶斯状态估计方法.该方法首次采用带约束高斯概率密度函数来刻画转移概率的真实特性. 然后,基于参考概率空间法, 将实际的概率测度投影到理想概率空间, 得出信息变量的递归表达式. 同时, 在贝叶斯框架内给出转移概率矩阵的最大后验估计式. 进一步, 采用粒子逼近法求解转移概率矩阵的最大后验估计, 解决非线性函数的多重积分问题, 进...
为了进一步提高跟踪系统中目标检测的精准性，适应不同的环境变化，对检测阈值的选取和图像的去噪提出了新的算法。结合似然函数和贝叶斯判别准则理论，根据信号和噪声的统计分布规律，得到一个自适应的动态阈值。利用该阈值对二值化图像的水平投影进行优化处理，去除噪声，得到待检测的目标。实验结果表明，该方法克服了目标完整性和抑制噪声之间的矛盾，可以有效地改善光线变化带来的噪声影响，在不同的场景情况下都可以得到满意的...
针对主动声纳在浅海混响背景下线性调频(linear frequency modulation, LFM)信号检测的高虚警问题，提出了基于分数阶傅里叶变换(fractional Fourier transform, FRFT)的空时预白化(spacetime prewhitening, STPW)方法。该方法利用FRFT对LFM信号良好的频域聚焦性，将混响信号变换到分数阶傅里叶域进行白化处理，使混...
基于蚁群优化的贝叶斯网络学习
贝叶斯网络 结构学习 蚁群优化算法
2013/7/30
针对贝叶斯网络学习中的混合算法容易缩小搜索空间，同时易陷入局部最优等缺点，提出了基于蚁群优化的贝叶斯网络学习算法。首先应用最大最小父子节点集合算法(maxmin parents and children, MMPC)来构建无向网络的框架，然后利用蚁群优化算法进行评分〖CD*2〗搜索，通过平衡“开发”和“探索”力度来修补搜索空间并确定网络结构中边的方向。最后应用本算法学习逻辑报警还原机理网（a l...
多叶离心通风机综合性能自动测试装置研究
多叶离心通风机 性能测试 试验软件
2009/6/19
根据GB/T1236-2000标准，研制出一套多叶离心通风机综合性能教学试验装置, 系统介绍了试验装置的结构特点与原理, 编制了进气式试验测试分析的计算软件，所开发的软件具有界面直观,操作方便的特点，方便进行性能曲线试验教学。通过实例，验证了试验软件的实用性，得到了风机性能曲线。
视觉线索可看作视感知的一类冲激或称为激励. 在贝叶斯估计理论估计的框架内, 通过以概率形式描述视觉线索来研究视感知过程的认知机理, 探索一种多视觉线索信息统计集成方法. 这种方法在计算机视觉尤其是视频分析领域得到了广泛应用. 介绍多视觉线索贝叶斯集成的基本思想和一些最新的研究成果, 结合作者的研究工作讨论在贝叶斯概率模型框架下实现多视觉线索信息统计集成方法及相应的算法, 同时针对复杂背景下视频目标...
Abstract针对自主机器人定位问题, 研究了基于贝叶斯滤波理论的自定位方法.从概率表达的角度介绍了贝叶斯滤波方法各种不同的实现形式,分析了各种不同定位方法的性能, 指出了它们的优缺点,并对每种方法的改进方法进行了探讨和分析.最后总结了定位方法的基本特点, 并对贝叶斯滤波理论在自主机器人领域中的应用前景进行了展望,探讨了未来的发展方向.
稀疏贝叶斯及其在时间序列预测中的应用
稀疏贝叶斯
支持向量机
非线性预测
RBF 神经网络
2007/8/27
Abstract阐述了稀疏贝叶斯方法在时间序列预测中应用的理论基础,将稀疏贝叶斯方法应用于Logistic 方程产生的混沌时间序列和发动机油滑数据的预测,并与支持向量机(SVM)和RBF神经网络时间序列预测进行了比较.实验结果表明, 稀疏贝叶斯方法不仅具有SVM的性能,而且比SVM使用更少的核函数, 取得了较好的预测效果.