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Wiener过程的民用航空发动机性能可靠性预测

通过对民用航空发动机性能退化数据的分析,提出了一种有效融合先验退化数据和现场退化数据的性能可靠性评估和剩余寿命预测方法.首先在先验退化数据的基础上确定Wiener过程参数的先验分布,然后利用贝叶斯方法融合新增的现场数据,对Wiener过程参数进行更新,并在此基础上对单台发动机进行性能可靠性评估和剩余寿命预测.该方法能根据现场退化数据不断地对可靠性和剩余寿命进行更新.最后通过某航空公司发动机性能退化数据验证文中提出的方法,结果表明41号发动机在2000循环和3000循环时预测的剩余寿命相对误差分别为0.060和0.018,可以满足航空公司发动机下发计划制定的实际需要.      

疲劳强度分布参数的贝叶斯分析

以贝叶斯估计为分析基础,用Monte Carlo方法产生大样本来计算机模拟升降法,由疲劳强度分布参数的估计值推导出了参数本身的后验分布.通过参数的后验分布,可以对参数进行区间估计和置信分析.该法解决了由于实验费用昂贵而一般只对长寿命区疲劳强度分布参数进行点估计的问题,为疲劳强度分布参数的进一步研究打下了基础.通过一个算例验证了方法的可行性,并且由计算结果分析比较了升降法的3种数据处理方法.      

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.      

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。     

基于性能退化数据的液体火箭发动机可靠性Bayes评定

性能退化表征的是产品的工作能力随时间逐渐降低的现象。对于液体火箭发动机等试验费用昂贵的高可靠性产品,失效时间数据难以得到,此时性能退化数据是评定其可靠性的重要信息。文章提出用线性随机过程模型来描述产品性能参数逼近临界值的过程,再根据产品的失效机理,推导出产品的失效分布函数形式。相对于传统的寿命分布模型,文中推导的失效分布函数中的参数因物理含义明确而易于通过实时跟踪测量性能参数时间序列数据估计得到。文中还通过一个数值实例说明了该方法在工程上应用的有效性。     

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。     

基于自助法的小样本数据分析方法研究

自助法（Bootstrap）和随机加权法（Bayes Bootstrap）都是较好的处理小样本数据的方法,其无先验性,以及计算过程中只需要实际观测数据的优越性,使其广泛地应用于实际数据处理之中,后者的估计精度要更好些。但对连续情况而言,自助法的计算特性使得重抽样本局限在原始样本范围内,无法渐进于真实情况。文章基于自助法研究了用改进的样本经验分布函数来解决这个问题,并通过仿真算例说明方法的有效性。     

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.      

卡尔曼/粒子组合滤波在GPS/INS组合导航中的应用研究

在非线性模型和非高斯噪声条件下,粒子滤波在GPS/INS组合导航系统的观测精度较低时能取得较好的滤波结果,但在高观测精度情况下会导致滤波发散。针对这一问题,在分析了基本粒子滤波器算法原理的基础上提出一种卡尔曼/粒子组合滤波方法,将状态向量分为线性部分和非线性部分,分别用卡尔曼滤波和粒子滤波估计,既保证了简化后滤波算法的结果不会变差,又将运算量大大降低,仿真试验表明,组合滤波器能够获得较高的滤波精度,满足实际的导航要求。