基于贝叶斯网络分析空间态势

战场态势分析是指挥决策的基础,作为一种知识推理和进行概率推理的框架,贝叶斯网络在具有内在不确定性的决策问题中得到了广泛的应用。因果推理是态势评估中的一个重要环节,用叶斯网可以找出态势假设和事件之间的潜在关系,切合了态势评估所需完成的功能。     

基于先验概率优势关系的粗糙决策分析模型

针对含有不完全偏好信息的多属性决策问题,提出了基于先验概率优势关系的粗糙决策分析模型.首先分析了扩展优势关系和限制扩展优势关系的不足,在此基础上提出先验概率优势关系的概念,并得到先验概率优势关系下的粗糙近似;然后通过对比分析,证明了新模型较上述两种优势关系模型可使分类结果更加符合实际情况和人在数据处理过程中的直观感受.最后,通过一个实例验证了新方法的可行性和有效性.     

基于贝叶斯网络的民航安全分析研究

安全在民用航空领域占有举足轻重的地位,直接影响民航企业的生存和发展。科学合理的安全分析便于及时发现民航领域存在的安全问题,预防航空事故诱发因素的萌生,提高民航安全管理的科学性和可操作性。根据民航安全的特点,建立了基于故障树的多态贝叶斯网络系统安全分析模型,综合运用诊断推理和因果推理形式,实现了定性与定量相结合的民航安全分析,通过航空灾难的实例验证了方法的有效性。在此基础上,提出采用区间型贝叶斯网络进行民航安全分析,克服了其他方法只能分析计算单点概率值的局限性,比传统的安全评估更客观,更有说服力。     

基于联合隐马尔科夫模型的SAR图像去噪方法

提出一种联合隐马尔科夫模型的SAR图像去噪方法。基于贝叶斯准则估计隐马尔科夫树状模型的参数集合,得到各小波系数的期望值和收缩系数;引入二阶马尔科夫随机场模型去除小波系数尺度内的相关性,根据每个小波系数邻域内所有小波系数的隐状态和收缩系数,计算得到新的收缩系数,并对各小波子带的小波系数进行收缩,从而有效复原无噪声图像。实验表明,方法具有很强的噪声抑制能力,相对隐马尔科夫模型大幅提高了等效视数,且较好地保持了边缘。     

基于动态贝叶斯网络的防空作战态势分析

针对战场目标战术意图变化的复杂性,尤其是战场信息的不确定性,根据态势事件与态势假设之间的潜在关系,利用动态贝叶斯网络建立态势评估的功能模型,并用实例验证方法有效性。仿真表明：功能模型能将各种特征因素进行综合,使不同时间片的特征因素相互修改,并准确地跟踪战场态势的变化,所得结果为指挥员情报决策提供了支持。     

基于时空显著性建模的空中飞行器跟踪方法

以复杂背景下空中飞行器的鲁棒视觉跟踪问题为研究背景，为解决现有跟踪方法目标表征模型不够精确，算法鲁棒性严重受到目标形变、宽高比变化、复杂背景等因素干扰的问题，提出了建模跟踪场景中独立物体的显著性特性，用于构建精确的目标模型。提出的显著性估计方法有别于传统的单帧检测方法，利用跟踪算法提供的背景先验知识以及多帧图像观测数据，使用时空联合的方式进行建模估计，其结果用来指导目标跟踪算法选取有效视觉特征，建立精确目标表征模型，减小背景区域对算法模型的干扰。实验表明，提出的方法为上述难点问题提供了有效的解决方案，对空中飞行器的跟踪精度与鲁棒性优于大多数最先进的主流方法，在其他类型的目标跟踪任务中也有十分优越的性能表现。     

基于近似粗糙集分辨力分类算法的飞机类型预测

传统的C4.5分类决策树作为数据分类算法具有计算简单、准确率高的优势，由于飞机具有参数多和数据量大的因素，C4.5算法需要对连续属性值进行多次顺序扫描，分类时间效率较低。针对此问题，提出近似粗糙集和决策分辨力分类算法，利用粗糙集近似度来判断属性划分样本数据能力，并将其代入到决策分辨力算法中，以决策分辨力最大的属性作为分裂特征建立分类决策树。算法在保证分类决策准确率的同时，提高计算效率并减少过拟合问题的产生。通过对UCI(University of California, Irvine)数据集上多组数据样本的对比实验分析，验证了本文提出PSRP(rough set and resolving power)的算法在保证相同准确率的情况下，平均计算时间效率提升约10%，可靠性提升2%。     

基于主成分分析的贝叶斯网络在个人信用评估中的应用

针对信用评估数据的高维、非线性和冗余特点,传统降维和评估方法分类错判率高的难题,提出一种基于主成分分析的贝叶斯分类器在个人信用评估中的方法。首先采用主成分分析方法提取信用评估特征,进行降维处理,消除不必要的冗余信息,简化贝叶斯网络的输入,然后分别在朴素贝叶斯和树增强朴素贝叶斯两种分类器上建立评估模型,最后对评估模型进行验证性实验,并与其他模型进行比较分析。结果表明,应用主成分分析的贝叶斯网络建立的个人信用评估模型简洁,易于推理,提高了个人信用评估的精度。     

小样本下煤油加注温升模型参数估计方法

为消除火箭煤油加注实测温度与现行加注温升模型计算理论温度之间的偏差,准确估计煤油加注温升实现精确加注、精准控制,在靶场实测数据仅为小样本数据的现实条件下,采用贝叶斯回归方法,将经验参数作为先验信息给出待估参数的先验分布,由实测数据计算贝叶斯风险,通过最小化风险函数实现对煤油加注温升模型的参数优化估计。数值实验结果表明,与给定的经验参数和经典最小二乘估计参数相比,贝叶斯估计参数估算的加注结束温度与实测温度误差显著减小,且随着可用的数据样本容量相应增大,贝叶斯回归分析的参数估计精度呈现收敛趋势。贝叶斯方法进行煤油加注温升模型参数估计有效提高了加注温升模型精度,为提高推进剂加注精确度提供了方法基础。     

基于贝叶斯网络的要地防空目标威胁评估模型

目标威胁评估是要地防空作战决策的重要组成部分。文章对要地防空的目标威胁评估进行了研究,将目标威胁意图引入目标威胁评估,在对要地防空目标威胁评估要素进行分析的基础上,建立了基于贝叶斯网络的目标威胁评估模型;针对要地防空的实际情况,在求得目标对各要地(阵地)的威胁度的基础上,建立考虑各要地(阵地)不同价值的要地防空目标威胁综合评估模型,满足实际作战需要,为武器目标分配提供了依据。