贝叶斯网络在飞控系统可靠性评估中的应用

把一种基于贝叶斯网络的故障树分析法应用于飞控系统俯仰控制功能的可靠性评估中,突破传统故障树分析法的局限性——各部件独立、状态为二值,不但可以计算系统的可靠性指标,而且可以定量给出某个事件或某几个事件在系统可靠性中所占的地位,找出系统的薄弱环节。     

模型确认热传导挑战问题求解的贝叶斯方法

为了进一步推动模型确认方法的发展并明确其具体实施步骤,以圣地亚国家实验室提出的模型确认热传导挑战问题为例,建立了模型确认的贝叶斯框架,并阐述模型确认的思想以及实现的一般过程.模型确认不仅是一个评定仿真模型准确度的过程,而且是一个通过确认结果提高模型预测精度的过程.首先介绍了贝叶斯及不确定性量化的基本理论,强调了模型修正...     

二项分布的Frequentist、Bayesian、Fiducial预测

要研究二项分布随机变量的预测问题，给定过去样本，给出了未来样本成功数的Frequentist（经典方法）预测子，并给出了Frequentist、BayeSian（贝叶斯方法）以及Fiducial（信赖方法）预测区间。     

可靠性预计方法——PRISM简介

系统可靠性预计技术是产品可靠性分析的一项关键技术，广泛地应用于各个领域的产品研发过程，成为产品可靠性设计和分析的一项必不可少的重要工作。对于电子产品来说，进行可靠性预计时一定要采用合适的预计模型：当前我国的军品行业一般是对于国产产品用GJB／Z 299B《电子设备可靠性预计手册》中规定的模型进行预计；     

基于粗糙集的车险潜在客户数据挖掘方法

为了从现有的CRM系统中发现潜在的车辆保险客户,提出了一种基于粗糙集理论的数据挖掘方法.利用粗糙集在知识系统中特有的分类特性,经对数据的预处理,较好地解决了样本数据中存在的属性不均衡及反向样本给数据挖掘带来的负面影响.以著名的The Insurance Company Benchmark(COIL 2000)作为测试数据集,经编程构建了数据挖掘模型,对客户社会背景和保单数据进行了综合挖掘测试.结果表明利用粗糙集理论对知识的分类能力,可以挖掘出数据集中潜在的对车辆保险感兴趣的客户,并给出样本分类的包含度.     

基于贝叶斯网络的机场过站时间分析

航班延误是目前航空运输业发展所面临的一大难题。从航班延误链式波及反应的角度出发,将贝叶斯推理应用于航班过站时间的分析,分别建立实际航班数据的单机场和多机场过站时间贝叶斯网络模型。模型清晰呈现了机型类型、前航延误时间等因素对机场过站时间的影响以及首发延误等级、经停机场过站时间调整量等因素对末班延误的影响。通过从多角度对模型进行分析,结果表明发生前航延误时调整航班在机场的过站时间可以有效减少延误向下游机场的波及。     

多传感器飞机火警探测系统研究

针对目前飞机火警预警系统虚警高的问题,提出了一种多传感器综合判断的机载火警探测系统,并利用烟雾探测器、温度传感器和火焰探测器三种传感器进行信息采集粗糙集理论进行探测信号处理,给出可靠的火警报警信号。从实验仿真结果来看,该探测系统比单一烟雾探测器的火警探测系统的火警识别准确度明显提高。     

移动机器人PT视觉监控多目标策略与实现

提出了一种多动态目标的监控模型，设计了目标监控优先级的计算方法和动态扫描队列的实现算法。并利用粗糙集理论的约简算法求得最小目标监控规则集，实现了仅利用单个PT(pan-tilt)摄像机对多个动态目标的实时监控。所进行的实际机器人动态环境实验，验证了提出方法的有效性和实用性。通过对实际和计划监控几率的比值分析说明了监控策略的合理性。     

Bayesian edge detector for SAR imagery using discontinuity-adaptive Markov random feld modeling

Synthetic aperture radar（SAR）image is severely affected by multiplicative speckle noise,which greatly complicates the edge detection.In this paper,by incorporating the discontinuityadaptive Markov random feld（DAMRF）and maximum a posteriori（MAP）estimation criterion into edge detection,a Bayesian edge detector for SAR imagery is accordingly developed.In the proposed detector,the DAMRF is used as the a priori distribution of the local mean reflectivity,and a maximum a posteriori estimation of it is thus obtained by maximizing the posteriori energy using gradient-descent method.Four normalized ratios constructed in different directions are computed,based on which two edge strength maps（ESMs）are formed.The fnal edge detection result is achieved by fusing the results of two thresholded ESMs.The experimental results with synthetic and real SAR images show that the proposed detector could effciently detect edges in SAR images,and achieve better performance than two popular detectors in terms of Pratt＇s fgure of merit and visual evaluation in most cases.