雷达情报特征的Bayes识别方法

根据雷达情报目标判性应用背景,对Bayes方法在该领域的应用进行了研究,初步建立了基于雷达情报特征的统计模型,并在算法的收敛速度和稳健性等方面与D-S证据理论进行了比较。仿真结果表明,Bayes方法对先验信息的精确程度要求并不十分严格,能较好地解决雷达情报综合问题。     

基于自训练EM算法的半监督文本分类

为了提高计算效率,提出基于自训练的改进EM算法STEM。在每步迭代的E-step中,将中间分类器最有把握对其类别进行预测的未标注样本转移至标注样本集,并应用到M-step中进行下一个中间分类器的训练,从而引入了利用中间结果的自训练机制。文本分类实验表明STEM算法在大部分情况下的分类准确性都高于EM,并通过减少迭代提高了分类器学习的计算效率。     

基于Bayes小子样二项分布单元可靠性评定的仿真方法

对于小子样二项分布单元可靠度下限评定,经典方法有很大局限性,文中介绍了Bayes方法。并在其基础上提出基于Bayes方法的Monte Carlo仿真方法,示例证明,该方法有很好的应用前途。     

噪声统计的Bayes 极大验后估计与系统自适滤波

对于具有测量的线性离散系统,在系统动力学噪声与测量统计特性未知的情况下,本文推导出了噪声统计特性在具有正态－逆Ｗｉｓｈａｒｔ分布验前信息情况之下的Ｂａｙｅｓ极大验后（ＭＡＰ）估计及其实时迫近,从而获得了系统的自适应滤波     

寿命分布的参数Bootstrap拟合优度检验方法

拟合优度检验在统计和可靠性等领域具有非常重要的地位,基于参数Bootstrap重采样的思想,对未知参数的常用寿命分布进行拟合优度检验。数值仿真结果表明,相对于传统的经验分布函数检验,这种基于参数Bootstrap的拟合优度检验具有更高的功效,特别是在小样本的情况下,优势明显。     

Designing acceptance sampling schemes for life testing with mixed censoring

Mixed censoring is useful extension of Type I and Type II censoring and combines some advantages of both types of censoring. This paper proposes a general Bayesian framework for designing a variable acceptance sampling scheme with mixed censoring. A general loss function which includes the sampling cost, the time‐consuming cost, the salvage value, and the decision loss is employed to determine the Bayes risk and the corresponding optimal sampling plan. An explicit expression of the Bayes risk is derived. The new model can easily be adapted to create life testing models for different distributions. Specifically, two commonly used distributions including the exponential distribution and the Weibull distribution are considered with a special decision loss function. We demonstrate that the proposed model is superior to models with Type I or Type II censoring. Numerical examples are reported to illustrate the effectiveness of the method proposed. © 2004 Wiley Periodicals, Inc. Naval Research Logistics, 2004     

基于颜色及梯度统计特征的结核杆菌目标识别

提出一种基于颜色及梯度统计特征的结核杆菌目标识别算法。首先基于HSV颜色空间进行图像预分割,然后在CIE L*a*b*颜色空间进行自适应分割以提取目标精细几何形状。为了适应背景的复杂变化,基于色调一致性假设对疑似目标进行色调一致性检验并剔除大部分伪目标。为了将重叠粘连目标从伪目标中分离出来,提出两个梯度统计特征,然后结合目标的面积、周长、长宽比、圆形度、粗糙度等形态特征,组成7维特征向量送入贝叶斯分类器进行分类。实验结果表明,本文算法能适应标本、染色及图像背景等复杂变化,目标识别率可达91%。     

多源信息的验前分布融合方法研究

验前分布的获取和表示是B ayes理论应用中的一个关键问题。针对目前多源验前信息融合中存在的过分依赖专家信息的问题,提出了一种基于第2类极大似然估计原理(M L-II)确定验前分布权重的方法,该方法将现场试验数据看作是由其边缘分布产生的样本,然后根据不同验前分布下现场样本似然性的大小来确定其在验前分布融合中的作用,并以此进一步确定不同验前分布的权重因子。最后通过算例证明了该方法比基于专家信息的融合方法更为合理和有效。     

武器系统概率指标的贝叶斯决策评定方法

剖析了武器系统试验工程领域中常用二项分布经典假设检验方法存在的问题,从贝叶斯决策思想和理论出发提出了概率指标评定的新方法,通过实例对比证明了贝叶斯决策评定方法有效解决了二项分布经典假设检验方法中存在的问题。     

贝叶斯融合方法在武器小子样试验中的应用

在小子样武器试验中利用贝叶斯融合理论对其参数进行评估,分析了贝叶斯理论基础和应用条件。在此基础上,建立了融合算法模型,经过仿真验证,在小子样试验中,该方法是提高评估置信度和精度的一种有效途径。