期望最大化贝叶斯模态识别算法在跨海斜拉桥运营模态分析中的应用（英文）

目的:由于地理位置特殊,跨海大桥周围的环境非常复杂,进而导致跨海桥梁的模态特征复杂多变。本文旨在应用期望最大化贝叶斯快速傅里叶变换(FFT)算法对跨海斜拉桥进行运营模态分析。创新点:1.通过使用期望最大化贝叶斯FFT算法,使得基于贝叶斯的运营模态分析速度更快且收敛性更高;2.成功识别了2.5Hz以内的19阶模态的自然频率、阻尼比以及振型,同时得到了识别参数的不确定性大小。方法:通过应用贝叶斯模态识别算法对某跨海斜拉桥的运营模态数据进行分析,并研究模态参数及其不确定性。结论:应用期望最大化贝叶斯FFT算法能够高效地识别2.5 Hz以内的19阶模态的自然频率、阻尼比和结构振型,并能得出参数识别的不确定性大小。     

关于PDAF与不确定性推理的分析与讨论

随着电子信息技术的迅猛发展和它在军事领域中的广泛应用,数据融合技术已经越来越得到人们的重视.作为目标跟踪与目标识别领域中的基本方法,PDAF与不确定性推理有着重要的意义.文章着重介绍了PDAF方法以及主观贝叶斯方法、证据理论的基本思想方法并对其各自的优缺点和相互关系予以分析.     

基于图模型的图像分割

本文通过阐述图模型的理论基础,介绍贝叶斯网络和MRF在图像分割中的应用,建立贝叶斯网络和MRF,构建适合图像分割的模型。     

计量经济学模型的贝叶斯估计——以经典单方程为例

文章以正态线性单方程为例,介绍了贝叶斯统计方法在计量经济学模型中的应用,并分析了该问题中贝叶斯估计与普通最小二乘估计的区别和联系.     

农业研究中非线性模型参数估计的贝叶斯方法

在农业研究中,非线性模型有着广泛的应用,其参数估计往往采用变量替换等经典方法.该研究以非线性模型为例,提出了基于Gibbs抽样的贝叶斯估计方法,并以农业研究中的一个实例,演示了贝叶斯估计方法的可行性.结果表明:非线性模型参数估计的贝叶斯方法稳健可靠,适用于农业研究中的复杂非线性模型.     

不确定性中的随机性和模糊性

随着不确定性研究的深入,世界的不确定性特征越来越得到学术界的普遍认可。人工智能中的不确定性主要是由随机性和模糊性引起的。人们用概率论和数理统计研究随机性,将＂随机性＂用＂概率＂予以量化表示,而贝叶斯理论等就成为人工智能中处理不确定性的重要工具。对于模糊性,人们用模糊数学作为工具来研究,在经典模糊集合论中引入＂隶属度＂来更好地处理人工智能中的模糊性问题。近十几年来,在随机数学和模糊数学的基础上,亦提出了用云模型来统一刻画语言值中大量存在的随机性、模糊性以及两者之间的关联性。随着不确定性研究的深入,必将为人工智能的应用提供更广阔的空间。     

SRTM3 DEM水文模拟汇流阈值不确定性

基于DEM的水文模拟在区域规划、工农业应用等方面有广泛应用.在其分析过程中,汇流阈值是直接影响流域形态的关键参数.借助ArcGIS9,研究了汇流闻值不确定性对流域面积及河道等级的影响.结果显示,汇流阈值对流域支撑面积及水道等级有重大影响;阈值与流域支撑面积呈正比线性关系;而与水道等级则呈阶梯形递减关系.可知基于DEM的水文分析,确定汇流阈值需要全面考虑区域水文历史资料及现状,充分重视汇流阔值不确定性的影响.     

基于贝叶斯网络的数据挖掘技术

从海量数据中挖掘有用的信息为高层的决策支持和分析预测服务,已成为网络时代人们对信息系统提出的新的需求,但我们发现数据处理和数据的提炼技术是匮乏的。起源于贝叶斯统计学的贝叶斯网络以其独特的不确定性知识表达形式、丰富的概率表达能力、综合先验知识的增量学习方法等特性表示了客体的概率分布和因果联系,成为当前数据挖掘众多方法中最为引人注目的焦点之一。本文首先对贝叶斯网络、贝叶斯网络推理和贝叶斯网络学习进行综合性的阐述,然后讨论其在数据挖掘中的应用和优势。     

基于联系数的直觉模糊数多指标评价研究

集对分析的联系数理论是关于确定性与不确定性的理论,直觉模糊数多指标评价问题中具有不确定性,为了预测和分析不确定性的影响,可以运用集对分析理论,将直觉模糊数转化为联系数,从而建立基于联系数的直觉模糊数多指标评价模型.实例应用表明,方法有效、实用.     

基于贝叶斯网络的数据挖掘技术

从海量数据中挖掘有用的信息为高层的决策支持和分析预测服务。已成为网络时代人们对信息系统提出的新的需求。但我们发现数据处理和数据的提炼技术是匮乏的。起源于贝叶斯统计学的贝叶斯网络以其独特的不确定性知识表达形式、丰富的概率表达能力、综合先验知识的增量学习方法等特性表示了客体的概率分布和因果联系，成为当前数据挖掘众多方法中最为引人注目的焦点之一。本文首先对贝叶斯网络、贝叶斯网络推理和贝叶斯网络学习进行综合性的阐述。然后讨论其在数据挖掘中的应用和优势。