基于加权朴素贝叶斯分类器和极端随机树的蛋白质接触图预测

提出一个新的基于集成学习的预测器(TargetPCM),对蛋白质接触图(特别是中长程)进行高精度的预测。首先,TargetPCM使用加权朴素贝叶斯分类器(Weighted Nave Bayes classifier,WNBC)融合3个接触图预测器的输出,其中WNBC中的权重参数通过粒子群算法优化得到;其次,将WNBC融合后的输出和基于序列的特征进行组合,得到更具鉴别能力的特征;在此基础上,应用极端随机树训练得到最终的蛋白质接触图预测模型。为了验证TargetPCM的有效性,在包含98个非冗余蛋白质的数据集上进行了测试。结果表明:对于短程、中程和长程接触,TargetPCM的Top L/5精度比现有最好的集成预测器(NeBcon)分别提高了8.2%,16.1%和5.3%。在CASP11上进一步的验证表明,对于短程、中程和长程接触,TargetPCM的Top L/5精度比现有最好的基于协同进化的集成预测器(MetaPSICOV)分别提高了7.4%,9.1%和7.5%。实验结果验证了本文所提蛋白质接触图预测方法的有效性。     

基于验前信息的测试性验证试验方案确定方法

针对目前测试性验证试验方案样本量过大、工程上实现困难的问题,提出了基于验前信息的复杂设备的Bayes测试性验证试验方案.首先,利用Beta分布对测试性验前信息的不确定性进行描述,运用不同来源的验前信息确定验前分布超参数;然后,定义了验前分布不确定性测度和支持度作为验前信息加权因子,设计了相应的融合算法;接着,利用融合后的验前信息建立成败型装备测试性验证试验方案的Bayes决策模型;最后,通过实例分析表明,与经典验证试验方案相比,新方案减少试验样本量40%左右,又克服了传统Bayes验证试验方案的冒进.      

基于云模型的目标威胁等级评估

目标威胁等级评估的实时性、正确性对于后续作战仿真具有重要意义.提出了基于云模型的威胁等级评估的方法,通过对依据专家经验得到的对定性概念评估的隶属云图的贝叶斯修正,得到了标尺云.由战场态势信息对标尺云的匹配和处理,最终得到了目标威胁评估云图,实现了威胁评估.定性概念对战场态势的描述以及隶属云图体现了模糊性与随机性的较好结合,反映了空战时飞行员获取信息的不确定性的特点.通过实例验证表明:基于云模型的威胁等级评估的方法能有效地实现对目标威胁等级的确定.     

多源知识融合处理算法

多源知识融合可有效提高判决结果的可靠性和置信度.借鉴信息融合的思路,分析了知识融合方法和一般模型.重点讨论了基于Bayes准则、基于D-S(Dempster-Shafer)证据理论以及基于模糊集理论的知识融合算法,给出了基于3种知识融合算法的具体处理步骤,并从算法特点和适用性、实用性等方面对3种知识融合算法性能进行了对比分析.通过知识融合在合成孔径雷达(SAR,Synthetic Aperture Radar)图像融合中应用的仿真实验,验证了知识融合算法的有效性.     

基于贝叶斯动态模型的自相关控制图

传统控制图应用的假设前提是从过程得到的观测值彼此独立.但许多过程存在自相关现象,并且这种自相关现象对控制图性能有严重影响.从工程实际出发,对AR(1) 过程模型提出了基于贝叶斯动态模型的自相关控制图,阐明了此自相关控制图的原理和方法;并将该控制图与基于过程模型的自相关控制图的性能进行比较.此控制图借助贝叶斯先验估计,建模迅速,不以时间序列模型为基础,对强自相关模型具有很好的性能.对强自相关过程,并要求迅速建立过程控制时,可以使用此自相关控制图,进行过程监视.      

固体火箭发动机可靠性评定的影子理论及应用

首次提出可靠性评定的影子问题,证明了影子定理,并用影子定理对固体火箭发动机的结构可靠性进行了评定,表明其具有应用价值。     

备份设计的可靠度

文章在两类不同的验前分布情况下,用贝叶斯定理推断并联、待机和多数表决系统的可靠性置信下界。其解可供电子系统设计者参考。     

基于屏蔽数据的航空电源系统可靠性分析

当航空电源系统具有屏蔽寿命数据时,研究逆Weibull型部件可靠性的估计问题.利用Bayes方法和极大似然方法,给出了逆Weibull型部件可靠性的Bayes估计和极大似然估计.利用随机模拟方法对两种估计的结果进行了比较.     

评估导弹命中精度的一种工程实用方法

提供了一种工程适用的用贝叶斯方法评估导弹命中精度完整的数学模型。利用导弹飞行试验前制导器件误差标定的信息和飞行试验误差分离的信息，综合确定导弹落点偏差验前信息。最后给出了对某型导弹评估的算例，结果表明：本文方法既保证了验前信息的准确性和可靠性，又保证了用贝叶斯方法评估导弹命中精度的精确性和可靠性。     

基于混合验前分布的制导精度评定方法

如何合理有效地利用验前信息是小子样评定中的关键问题。针对导弹制导精度评定,提出了一种根据验前数据构造验前分布的方法,并结合验前信息可信度给出了一种混合验前分布。通过对参数验后估计的分析,该方法能够有效避免验前信息“淹没”现场信息的情况,而验前信息可信度则通过验后边缘分布得到。通过对验后估计均方差(MSE)的分析,给出了验前信息利用的一些基本原则,为工程应用提供了指导。