基于Bayes-Normal模型的小子样性能可靠性评定

通过退化量分布函数研究性能退化是基于退化轨道进行性能可靠性分析的有效补充。针对试验小子样的特点,在图形法基础上运用Bayes方法,对性能可靠性的统计推断方法进行了研究,并在理论推导的基础上,举例说明了该方法的有效性。     

基于贝叶斯网络的航班延误传播分析

 由于机场航班之间存在前后衔接关系,每个航班的延误会波及到下游机场及其航班,因此需要一种有效手段来分析航班衔接时的延误传播。贝叶斯网络（BN）是一种有效的传播分析方法,从某个枢纽机场航班延误出发,对其关联机场的衔接航班的延误影响进行分析,提出了基于BN的航班延误传播模型。结合某航空公司实际数据,通过最大期望值算法对模型进行训练,给出了测试结果。实验表明,所提出的方法能有效地分析航班延误从局部到全局的传播。     

成败型系统可靠性增长的Bayes评估

针对成败型系统在研制阶段的动态增长的可靠性评估问题,依据前期可靠性增长试验中多阶段的试验信息和专家经验,提出了基于新Dirichlet先验分布的可靠性增长的Bayes评估方法。该方法根据已有的不同阶段试验信息,利用离散AMSAA（Army Material System Analysis Activity）可靠性增长模型描述可靠性增长试验中不同阶段可靠性的增长趋势,并对各个阶段的可靠性进行评估;针对下一阶段建立基于新Dirichlet分布的可靠性先验分布,并根据下一阶段可靠度的估计值采用最大熵模型给出先验分布参数估计;在获得现场试验数据的条件下,给出下一阶段的可靠度后验估计,并讨论不同区间范围对后验可靠性的影响。最后通过实例分析,表明相较于直接利用离散AMSAA模型和Beta先验分布,该方法在合适的专家经验的指导下能够给出更为准确的可靠性评估。     

基于贝叶斯优化的无人机路径规划算法

提出了一种基于贝叶斯优化算法的无人机路径规划方法。把无人机路径编码为离散时间上的速度和航向变化序列，每一步的速度和航向变化量都限制在无人机相应最大变化量之内，所以这种编码方法对应的物理轨迹是无人机可飞的。利用每代种群中的优良解集构造贝叶斯网络，用贝叶斯网络的结构体现染色体基因位之间的联系，用贝叶斯网络参数体现染色体基因位之间的联系程度。设计了一个多变量K2度量评价网络的优劣。用贝叶斯网络产生新的染色体以体现种群的进化，这取代了传统遗传算法的交叉和变异过程。如果不满足终止条件，则用新一代种群的优良解集构造贝叶斯网络，直到满足终止条件。仿真结果验证了算法的有效性。     

运用贝叶斯判别分析防止"彼得现象"发生

分析了由于晋升候选人相对较多,不易把握好候选人,传统的方法难免会出现干部晋升的"彼得现象".而引入贝叶斯判别法则可以以具体、明确的量化标准,与定性分析方法相结合,完善晋升的考证机制,以量化的数据作为提出问题的依据、分析判断的基础和考察评估的尺度,为更加全面地做好干部的晋升选拔工作提供一种可行的辅助方法.     

基于Gompertz模型的液体火箭发动机可靠性增长分析

运用Gompertz模型和线性回归方法对液体火箭发动机批次试验中的可靠性增长因子进行分析,对新产品的可靠性分布函数进行预测。结合产品的少量现场试验数据,利用Bayes方法对系统的可靠性增长试验结果进行分析。文中首先给出了可靠性增长因子分析的模型,然后运用历次阶段试验中的可靠性增长数据建立动态参数的递推估计模型,在此基础上,运用随机变量函数的分布,给出各阶段可靠性增长试验中可靠性参数的Bayes估计。最后给出实例进行说明。      

基于SGNN的数字字符识别

自生成神经网络SGNN具有自主学习能力强和计算速度快的特点,可用于识别带噪声的数字字符。首先提取数字字符的特征矢量,然后将特征矢量输入SGNN中对SGNN进行训练建立分类器,通过比较未知样本特征矢量和分类器根节点权值矢量的距离远近从而得到识别结果。实验表明这种方法有较高的识别正确率,其性能优于BP神经网络。     

一种基于多源数据的网络实体推断方法

网络空间中的实体推断是网络空间测绘研究的重要内容之一,主要通过综合多源数据实现对网络空间中各类实体的分类与识别。本文首先提出了网络空间的实体分类模型,基于此模型提出了一种低开销的网络实体探测分类方法。首先对于探测发现的IP地址,采用别名解析技术将属于一个设备的多个IP映射为一个网络实体;然后采用决策树对网络实体分类进行粗粒度分类;最后,再基于贝叶斯网络进行详细分类。为验证分类效果,以江苏省某市为例进行了探测分析并与备案数据进行了对比,试验结果表明该方法可以有效地对网络空间中的各类实体进行判别,从而为网络空间地图构建、态势分析等应用提供技术支撑。     

一种融合卡尔曼滤波的改进时空上下文跟踪算法

针对时空上下文跟踪算法对快速运动和遭受严重遮挡目标的跟踪精度下降问题,提出一种融合卡尔曼滤波的改进时空上下文跟踪算法。首先人工标记目标所在的矩形区域,然后利用改进的时空上下文算法对目标进行稳定跟踪,在跟踪过程中,基于连续两帧图像灰度的欧氏距离判定目标跟踪状态,当判定目标遭受严重遮挡时,利用卡尔曼滤波进行预测估计。算法对噪声有一定的容忍度,通过降低噪声对跟踪过程的影响,能够得到更优的目标区域。仿真实验结果表明:本文算法适用于不同光照强度下高速、高机动目标的稳定跟踪,并且对目标的尺度变化和短时严重遮挡具有鲁棒性。算法帧平均耗时为34.07ms;帧几何中心平均误差为5.43pixel,比时空上下文算法减少70.2%;目标轮廓面积平均误差为13.08%,比时空上下文算法减少52.7%。     

基于模糊软集合和Bayes的后续备件组合预测方法

针对后续备件需求预测精度低的问题,提出一种基于模糊软集合和贝叶斯的后续备件组合预测方法。首先根据后续备件的消耗规律,分别提出后续备件因果预测模型和时序预测模型;然后选取残差平方和、信息熵和相关系数作为预测效果的评价准则,以两种单项预测方法的预测效果作为先验信息,采用德尔菲法对单项预测方法进行模糊评价,构建模糊软映射;最后综合先验信息与专家模糊评价值,利用贝叶斯方法确定组合权系数求得预测结果。结合算例,对比分析方法的优越性,表明该方法具有较好的合理性和有效性。