排序方式: 共有218条查询结果,搜索用时 15 毫秒
51.
52.
贝叶斯网络推理在信息系统安全风险评估中的应用 总被引:2,自引:0,他引:2
提出了一种基于贝叶斯网络推理的安全风险评估方法。从实际出发建立信息系统的贝叶斯网络模型,根据专家给出的先验信息,结合获得的证据信息,运用Pearl方法完成对模型的评估,给出在特定条件下模型的计算——线性推理算法。最后,以实例分析信息系统安全评估的实现过程,结果表明,该方法可行、有效。 相似文献
53.
54.
本文考虑了杂波环境下机动目标的多雷达跟踪问题,提出了一种分布式联合估计算法。子站独立于总站,并单独跟踪,把当地估计结果周期地传送给总站,由总站进行合并,得出基于所有子站量测的全局估计。数字仿真表明,分布式联合、估计算法在各种性能指标上都优于单站跟踪算法。 相似文献
55.
56.
针对目前高可靠性产品测试性评估验证面临的样本量不足的问题,提出一种基于Bayes理论的内外场数据融合评估技术,并给出详细的内外场测试性数据收集方法及原则,利用某产品的试验数据对该方法进行了验证。该方法工程应用性强,可作为高可靠性产品测试性评估的依据。 相似文献
57.
雷达关联成像不依赖于雷达与目标的相对运动,是一种高分辨凝视成像方式。传统的关联成像方法未考虑复杂扩展目标的结构信息,在高分辨成像时的应用受到限制,为此提出一种自适应结构配对稀疏贝叶斯学习方法。该算法在稀疏贝叶斯学习的框架内针对扩展目标建立一种结构配对层次化高斯先验模型,然后采用变分贝叶斯期望-最大化算法交替进行目标重构和参数优化。该算法将某一信号分量的重构与周围信号分量联系起来,并能在迭代过程中自适应地调整表征各信号分量相关性的参数。实验结果表明,该方法针对扩展目标可以有效地进行高分辨成像。 相似文献
58.
构造模型决策树时超参数较多,参数组合复杂,利用网格搜索等调参方法将会消耗大量的时间,影响模型性能的提升。提出了一种多核贝叶斯优化的模型决策树算法,该算法为应对不同分类数据特性,采用三种高斯过程建模寻优,利用贝叶斯优化技术,选出最优的参数组合。实验结果表明,所提算法在参数寻优上要优于传统的模型决策树寻优方法,并且能够在迭代次数不多的情况下找到全局最优参数值,在一定程度上提升了算法的分类性能,节省了大量的调参时间。 相似文献
59.
60.