基于贝叶斯证据框架下支持向量机建模的迭代优化控制

In the paper,an iterative method is presented to the optimal control of batch processes.Generally it is very difficult to acquire an accurate mechanistic model for a batch process.Because support vector machine is powerful for the problems characterized by small samples,nonlinearity,high dimension and local minima,support vector regression models are developed for the optimal control of batch processes where end-point properties are required.The model parameters are selected within the Bayesian evidence framework.Based on the model,an iterative method is used to exploit the repetitive nature of batch processes to determine the optimal operating policy.Numerical simulation shows that the iterative optimal control can improve the process performance through iterations.     

基于贝叶斯网络的统计推断与问题求解

贝叶斯网络近年成为数据采掘引人注目的研究方向。本文介绍贝叶斯网络的结构和建造步骤 ,并着重讨论基于贝叶斯网络、综合先验信息和样本数据进行统计推断和问题求解的基本思想。与数据采掘的其他方法相比 ,贝叶斯网络统计推断的优点是可以综合先验信息和样本信息 ,并且在样本难得或具有不完整数据集时亦能使用 ,从而将使贝叶斯网络在数据采掘中成为一个有力的工具。     

基于贝叶斯推断理论的VAR(P)预测模型研究

VAR(P)预测模型是一类在经济管理研究领域应用较为广泛的模型,本文在贝叶斯推断理论的基础上分别对限制性VAR(P)和非限制性VAR(P)预测模型进行了研究,并得到相关结论.     

回归型支持向量机在发动机参数测量分析中的应用

发动机参数的测量与分析处理是发现发动机故障隐患的重要方法.记述了回归型支持向量机的原理和基于回归型支持向量机的诊断方法,实现了传感器故障隔离与信号重构,利用发动机参数测量的实验数据对支持向量机进行训练,并进行了仿真验证.结果表明:基于回归型支持向量机的传感器故障诊断具有很高的预测精度.     

基于支持向量机的汽车故障预测贝叶斯网络推理系统研究

相较于传统的汽车故障诊断,汽车故障预测通过对汽车运行状态数据的分析,实现对汽车未来发生故障的可能性和故障类型进行预测和分析,充分保证汽车行驶的安全。通过对汽车故障类型和特点的深入研究,在已有的故障预测技术的基础上,设计了一种数据驱动的故障预测推理系统。该系统利用支持向量机完成对汽车不同类型故障的分类,结合贝叶斯推理网络,实现对当前汽车状态的综合分析,得出汽车在未来发生不同类型故障的概率,进而完成对汽车故障的预测。最后,编写软件实现汽车故障预测系统。     

支持向量机在图像去噪处理中的初步研究

图像去噪是图像分割等操作的关键预处理环节,是从图像处理过度到图像分析和理解的重要手段之一,是图像处理中研究的重点内容.现有典型的一些图像去噪方法大多采用平滑滤波机理,在保护图像边缘信息等方面存在一定的局限性. 本文在对现有典型的图像去噪方法总结的基础上,提出了一种图像去噪的新方法--利用支持向量机(SVM)技术构建图像去噪滤波器,并在实现算法和实验仿真方面做了初步探讨.     

基于非参数贝叶斯推断的MPSK信号调制识别(英文)

依据星座图采用非参数贝叶斯方法对多元相移键控(MPSK)信号进行调制识别.将未知信噪比(SNR)水平的MPSK信号看成复平面内多个未知均值和方差的高斯分布依照一定的比例混合而成,利用非参数贝叶斯推断方法进行密度估计,实现对MPSK信号分类目的.推断过程中,引入Dirichlet过程作为混合比例因子的先验分布,结合正态逆Wishart(NIW)分布作为均值和方差的先验分布,根据接收信号,利用Gibbs采样的MCMC(Monte Carlo Markov chain)随机采样算法,不断调整混合比例因子、均值和方差.通过多次迭代,得到对调制信号的密度估计.仿真表明,在SNR>5 dB,码元数目大于1 600时,2/4/8PSK的识别率超过了95%.     

基于支持向量回归机的磨削力预测

针对神经网络方法在磨削力预测方面存在的网络结构不好确定和样本需求量大等不足,提出了一种新的基于支持向量回归机的磨削力智能预测方法。介绍了支持向量回归机的基本原理,分析了影响磨削力的主要因素,选用砂轮速度、工件速度和磨削深度作为输入参数,建立了基于支持向量回归机的磨削力预测模型。仿真结果表明,所建立的预测模型是合理有效的,与BP神经网络预测方法相比,预测的结果准确性更高。     

基于支持向量回归机的并联机床表面粗糙度预测

针对神经网络方法预测并联机床表面粗糙度存在的不足,提出了一种新的基于支持向量回归机的并联机床表面粗糙度预测方法。以某型并联研抛机床为例确定了表面粗糙度预测模型的输入输出参数,建立了基于支持向量回归机的并联机床表面粗糙度预测模型。仿真实验的预测结果表明,所建立的预测模型具有较强的泛化能力,预测的准确性较高。     

支持向量机在基于内容的图像检索中的应用

本文比较了图像检索方法,提出利用支持向量机分类精度高、泛化能力好的特点应用于基于内容的图像检索方法。同时针对图像分类问题是个多分类问题,应用二叉树作为分类决策树形式,将支持向量机的两分类扩展为多分类来构建分类器。     

定时截尾Pareto分布最小后验风险的Bayes推断

在定时截尾试验下,利用决策理论,充分利用产品的先验信息.考虑试验费用和试验时间,并结合损失函数,对分布制定了最小后验风险决策方案。     

Bayesian Inference and Application of Robust Growth Curve Models Using Student's t Distribution

Despite the widespread popularity of growth curve analysis, few studies have investigated robust growth curve models. In this article, the t distribution is applied to model heavy-tailed data and contaminated normal data with outliers for growth curve analysis. The derived robust growth curve models are estimated through Bayesian methods utilizing data augmentation and Gibbs sampling algorithms. The analysis of mathematical development data shows that the robust latent basis growth curve model better describes the mathematical growth trajectory than the corresponding normal growth curve model and can reveal the individual differences in mathematical development. Simulation studies further confirm that the robust growth curve models significantly outperform the normal growth curve models for both heavy-tailed t data and normal data with outliers but lose only slight efficiency for normal data. It appears convincing to replace the normal distribution with the t distribution for growth curve analysis. Three information criteria are evaluated for model selection. Online software is also provided for conducting robust analysis discussed in this study.     

基于支持向量机的多层分类入侵检测系统研究

概述了入侵检测技术和入侵检测系统,研究了支持向量机的线性和非线性分类算法.在此基础上创建了基于支持向量机的多层分类入侵检测系统模型,然后通过计算机仿真实验进行验证测试.     

基于贝叶斯网络的验证激励向量生成研究

为了解决传统数字芯片验证环节中基于仿真的验证（或动态验证）功能覆盖率收敛速度慢的缺点,提出一种新的以功能覆盖为导向的测试用例生成方法,该方法基于贝叶斯网络和机器学习技术,可实现从覆盖模型到测试用例生成器反馈回路的自动关闭,在 DUT 的验证过程中,使用该方法为所测试的设计生成新的激励。实验结果表明,基于贝叶斯网络的 CDG 技术测试用例使用较少,覆盖率收敛更快,与传统基于仿真的验证技术相比,测试用例数量减少了 43%。基于贝叶斯网络的 比于传统动态验证技术而言其芯片功能验证更完善。     

基于视频图像的校园火灾探测研究与应用

高校消防甚为重要,传统火灾探测方法存在局限性,基于视频图像的火灾探测方案,提出一种背景自动更新目标提取法以及改进的支持向量机分类识别方法．将图像型火灾视频监控与计算机技术结合起来实现火灾监控系统的智能化。实验结果表明,分类速度和识别准确率都有所提高。     

多变量模型参数的贝叶斯估计及其在农业研究中的应用

对于农业研究中多变量线性模型参数的估计,以往常采用经典统计方法。随着计算机技术的进步,贝叶斯统计方法在科学研究的各个领域迅速发展。文章利用贝叶斯统计方法对农业研究中的多变量模型进行参数估计,并与经典统计方法进行比较,验证了贝叶斯方法的有效性。该方法可为农业研究中多变量模型参数的估计提供新的途径和手段。     

基于特征加权支持向量机的血吸虫尾蚴识别算法设计与应用

本文提出一种利用特征加权支持向量机（FWSVM）识别河流、湖泊等水域中血吸虫尾蚴的算法．该算法采用图像形态学、动态阈值化等图像处理方法在图片中搜索可能存在尾蚴的区域,然后利用疑似区域图像的Hu矩作为特征值训练FWSVM,最后利用训练好的分类器对采集的视频进行识别．实验结果表明该算法能够有效识别水域中的血吸虫尾蚴．     

基于IPSO-SVM的液体管道泄漏定位研究

提出了改进粒子群算法(IPSO)和支持向量机(SVM)的管道泄漏检测与定位的方法.采用IPSO-SVM方法对管道单孔泄漏和多孔泄漏分别进行泄漏孔的定位.提取出口压力和进口流量为特征向量,采用IPSO算法优化超平面参数并采用SVM算法对泄漏孔位置进行定位.对于两孔泄漏,将单输出支持向量机算法进行改进,使其能够用于多输出回归,从而适用于定位管道的多孔泄漏情况.在此基础上,将IPSO-SVM方法与PSO-SVM方法进行比较.预测结果显示IPSO-SVM方法对泄漏有较强的识别与定位效果,并且比PSO-SVM有更快的收敛速度,更高的预测精度.     

阅读理解中语用推理能力培养的关联论研究

本文从关联理论的角度解释阅读理解过程，通过对认知语境、语境效果和最佳关联等方面的分析，揭示阅读理解是一种明示-推理、寻求最佳关联的动态交际过程。同时提出了在阅读教学中以关联理论为基础培养语用推理能力的一些方法。