在不完全观察的漂移过程中达到一个目标的最大化概率

对一个具有原始财产X0（〈1）的投资者,当股市的涨落没有被直接观察,而仅仅是用计算的方法建立平均返回扩散模型时,他为了实现一个目标XT=1,如何达到最大的概率？在采用鞅方法的同时,以一个推广的Cameron—Martin公式就能如财富过程一样直接计算价值过程,从而采用Martin公式,可以确定动态的最优配制。     

基于微分方程数值分析的机械臂运动参数挖掘模型

在目前的运动参数挖掘模型中,通常采用差异化运动原理对运动过程进行分析,缺乏实际的公式支持,在进行参数挖掘时影响性能。因此,提出基于微分方程数值分析的机械臂运动参数挖掘模型研究。首先利用微分方程数值分析的方式来对机械臂的运动过程进行模拟,列举出其中的动态特性参数。依据动态特征参数,利用神经元网络对其中的运动参数属性进行特征提取。获得运动特征后,使用贝叶斯原理进行深入的运动参数挖掘。为了验证设计的运动参数模型性能,设计仿真实验,设定模拟机械臂,并使用设计模型与文献[3]、文献[5]、文献[13]中的参数挖掘模型进行运动参数挖掘,并对比性能的优劣性。实验结果证明,设计的运动参数挖掘模型具有较高的运算速度、实时性以及准确率,证明设计的运动参数挖掘模型具有较高的性能,满足设计初衷。     

混联系统的可靠性蒙特卡诺模拟及其EB估计

在复杂的混联系统中,利用Monte Carlo方法建立随机模型,研究可靠性模拟问题,并假定该模型具有随机移走的逐步增加Type-Ⅱ截尾。采用Bayes方法与极大似然估计相结合的方法,在平方损失下,得到了混联系统部件的失效率、系统可靠度和平均寿命的经验Bayes估计。最后给出算例分析,说明该方法的正确性和可行性。     

煤层底板岩体参数概率分布及Bayes优化

正确确定煤系岩体力学参数的概率分布是承压水上采煤底板稳定可靠性分析的关键。以淮北矿区部分煤矿下组煤底板砂岩强度参数为例,以K-S检验法对数据进行概率分布拟合,获取参数分布类型及统计量。以此大样本概型为先验函数,具体工作面底板岩体小样本参数的概型为似然函数,基于Bayes方法对其优化,得到验后分布的概型参数。计算结果表明,下组煤底板砂岩强度参数全部接受正态分布和对数正态分布,优化后的方差有所下降,可以提高底板采动稳定可靠性分析结果,从而达到优化目的。     

AVO流体反演技术在低孔渗砂岩气藏预测中的应用

西湖凹陷A构造的砂岩气藏,主要埋藏于3000m以下的深层,且发育于浅水沉积环境,储层物性较致密,厚度横向变化大,导致储层的AVO响应复杂,常规AVO分析难以对储层流体进行有效识别。研究了AVO流体反演技术在该构造含气储层预测中的应用。该技术在对储层以及非储层速度、密度、厚度等关键参数的统计分析的基础上,利用Monte－Carlo随机模型建立、地震正演模拟、流体替换等技术,获得储层在不同流体下AVO响应的验前概率;然后利用Bayes理论,估算实际地震数据AVO响应指示储层含某种流体的可能性一验后概率,从而实现储层流体的预测。实际钻探结果证实了该方法的有效性。     

基于机器视觉及深度学习的静脉药物调配机器人药瓶识别北大核心

静脉药物调配机器人需要对数百种不同类型的药物进行调配,不同药物药瓶类型的识别、测量是精准调配的关键。对静脉药物调配机器人在药瓶类型分类、药瓶关键尺寸测量等不同任务要求情况下,运用基于机器视觉方法和深度学习框架YOLOv5s,实现了一种高效稳定的识别测量方法。结合机器视觉方法的测量准确性,深度学习方法对背景、光源的不敏感性,实现配药过程中不同环节药瓶的准确识别、测量。并通过实验定量地检测背景、环境光源对于识别结果的影响。     

基于动态约简的增量贝叶斯分类算法的研究

朴素贝叶斯由于条件独立性假设使其分类效果不明显,同时在处理海量数据时缺乏灵活性。针对以上情况,提出一种基于动态约简的增量贝叶斯分类算法。算法首先利用(F-λ)广义动态约简计算出数据集的核属性,然后根据训练集的先验信息构造分类器对测试实例进行分类,最后利用类置信度进行选择性增量学习,增强处理增量数据的能力。实验结果表明,该算法在处理属性少的小量数据时,分类效果有一定的改善,在处理多属性大量数据时,分类效果明显提高。     

朴素差分进化算法

针对变异算子学习方式的单一性,提出一种朴素变异算子,其基本思想是向优秀的个体靠近,同时远离较差个体,其实现方式是设计一种缩放因子调整策略,如果三个随机个体在某维上比较接近,则缩放因子变小,反之变大.在实验过程中通过平均适应度评价次数、成功运行次数和加速比等指标表明,基于朴素变异算子的差分进化算法能有效提高算法的收敛速度和健壮性.     

面向主题的微博热门话题舆情监测研究——以“北京单双号限行常态化”舆情分析为例

社交媒体舆情监测是社交媒体分析的热点研究问题,学界和工业界取得了很多研究成果。但目前针对热门话题舆情监测研究中,往往只在整体上关注事件舆情趋势,而没有对事件内部不同的讨论主题进行分析。鉴于此,该研究将主题分类模型引入到舆情监测中来,并在此基础上,以时间为脉络进行面向主题的情感分析。并以“北京市单双号限行常态化”这一微博话题为例进行实证研究,通过各个时段 “北京市单双号限行常态化”这一微博话题群体情感倾向变化的分析,为舆情的监测提供对象和时点选择的参考建议。
     

基于属性选择的改进加权朴素贝叶斯分类算法

朴素贝叶斯分类算法简单且高效, 但其基于属性间强独立性的假设限制了其应用范围. 针对这一问题, 提出一种基于属性选择的改进加权朴素贝叶斯分类算法(ASWNBC). 该算法将基于相关的属性选择算法(CFS)和加权朴素贝叶斯分类算法(WNBC)相结合, 首先使用CFS算法获得属性子集使简化后的属性集尽量满足条件独立性, 同时根据不同属性取值对分类结果影响的不同设计新权重作为算法的加权系数, 最后使用ASWNBC算法进行分类. 实验结果表明, 该算法在降低分类消耗时间的同时提高了分类准确率, 有效地提高了朴素贝叶斯分类算法的性能.