导读:本文包含了非参数贝叶斯论文开题报告文献综述及选题提纲参考文献，主要关键词:浅海环境,声传播损失,声速剖面,噪声源
非参数贝叶斯论文文献综述
薄连坤,熊瑾煜,张晓勇,刘成元[1]（2019）在《利用拖船自噪声进行浅海环境参数贝叶斯反演》一文中研究指出研究了以拖船自噪声为参考声源的浅海环境参数反演问题,并针对反演结果不确定性快速量化评估问题,提出了一种基于自适应重要性抽样的贝叶斯反演新方法。反演利用了拖船自噪声低频线谱成分,并采用混合高斯推荐函数自适应推荐声场模型样本,使得样本集中于参数高概率密度区域,实现后验概率密度快速收敛计算。仿真试验结果表明:拖船自噪声反演能够准确估计水深、沉积层及阵列参数等。所提自适应重要性抽样贝叶斯反演方法的计算效率优于快速吉布斯抽样方法。利用试验数据处理验证,反演得到试验海域声学环境参数,计算传播损失与各阵元接收线谱强度变化吻合,说明反演最优环境模型能准确表征声场传播特征。(本文来源于《声学学报》期刊2019年06期）
陈皓圭,许乐灵,唐旭清[2]（2019）在《隐式马尔科夫HDP非参数贝叶斯视频异常检测》一文中研究指出为提高视频异常检测算法的适用性,同时提高算法的识别效率和精度,提出一种基于隐式马尔科夫非参数贝叶斯算法的视频异常检测算法。首先,针对跨越多天的视频画面进行片段序列划分,然后对所有帧的像素位置进行光流矢量总数统计和特征向量提取;其次,针对流数据分割和隐藏模式发现过程中模式数量未知问题,利用分层Dirichlet过程的隐式马尔科夫算法和非参数贝叶斯因子分析进行视频数据流分割和模式发现;最后,引入了一个交互式系统,允许用户检查和浏览可疑事件。实验结果显示,所提算法可实现视频异常的自适应模式发现,并可提高算法的识别精度和效率。(本文来源于《控制工程》期刊2019年09期）
尚聪聪,郝佳,张彬彬,岳昆[3]（2019）在《使用带分类参数贝叶斯网的虚拟机性能预测》一文中研究指出准确量化虚拟机特征和性能之间的依赖关系,并预测特定特征配置下的虚拟机性能,是虚拟资源细粒度分配的基础.然而,传统贝叶斯网(Bayesian Network,BN)虽然能够表达虚拟机特征和性能之间的不确定性依赖关系,但当某组虚拟机特征配置未出现在训练集中时,BN便无法预测该配置下的虚拟机性能.此外,当虚拟机特征配置组合情况过多时,会导致虚拟机性能节点出现组合爆炸的情况.为此,本文提出一个带分类参数的BN模型.该模型首先利用随机森林分类算法,对虚拟机进行分类,然后根据分类结果和对应性能值,构建一个带分类参数的BN模型,从而实现任意特征配置下的虚拟机性能预测.同时,也降低了由于组合爆炸而带来的性能预测困难.实验结果表明了本文提出方法的有效性和准确性.(本文来源于《小型微型计算机系统》期刊2019年07期）
吴鸿敏[4]（2019）在《非参数化贝叶斯模型的机器人多模态感知与学习》一文中研究指出机器人与人共处、相互协作成为现代生产和生活中的迫切诉求,“人机共融”和“人机协作”的概念自然而生,至今已有多年。与人共享智能、具有共同行为、协作完成共同任务(智能共融、行为共融和任务共融)是其基本特征和要素,已成为国内外学术界的共识。人机共融的前提条件是人-机和平共处,即“安全共融”。虽然目前已有许多稳定和鲁棒的机器人控制算法,但是人机共融作业处于非结构化和非标准化的动态环境中,无法对其进行完备和准确地建模与解析,存在着系统的内部误差或者外部的异常,如人为碰撞、物体滑落和工具碰撞等。为了赋予机器人更长期的自治和更安全的人机共融环境,机器人必须进行实时多模态信息的融合建模,进而实现自身运动行为的精准感知(Introspection)和异常修复策略的学习。因此,本文对机器人多模态感知与学习进行系统深入的理论研究和实践探索,主要研究内容和取得的成果如下:(1)针对学习与泛化机器人复杂任务的问题,以机器人示范学习的理论为背景,提出了结合动态运动基元(Dynamical Movement Primitive,DMP)和有限状态机(Finite State Machine,FSM)把机器人的复杂操作任务分割成序列化的运动基元,即参数化的有向图描述形式,以提高操作任务的适应性与多样性。(2)针对多模态融合的问题,本文将此问题抽象为如何有效地建立与解析多维时间序列的概率模型,以隐性马尔科夫模型(Hidden Markov Model,HMM)为理论背景,考虑其在多维时间序列建模上存在着隐性状态数量的不确定性和隐性状态间高频转换的两个关键问题,会大幅度地消弱对时间序列的建模能力和时间的一致性(Consistency),提出了采用非参数化贝叶斯的粘性层级狄利克雷过程隐性马尔科夫模型(Sticky Hierarchical Dirichlet Process Hidden Markov Model,sHDP-HMM)对机器人操作任务过程中的末端速度信息、末端力/力矩信息、末端执行器的触觉信息及其相关的统计学信息(如:均值和方差等)进行联合建模的方法。(3)在多模态融合的基础上,提出了采用非参数化贝叶斯模型的机器人实时运动行为识别与异常监测的方法。首先,借助机器人操作任务的参数化描述,利用sHDP-HMM对机器人正常执行多次任务后各运动基元所产生的多模态数据进行建模。然后,通过对比实时观测数据的累积对数似然函数值的形式实现机器人运动行为的识别。最后,在运动行为已知的情况下,依次基于对数似然函数值、对数似然函数梯度值和隐性状态与对数似然函数值映射关系的叁种不同异常阈值实现机器人异常监测。(4)在多模态异常监测的基础上,提出了基于非参数化贝叶斯模型的机器人多模态异常的多目标分类器方法。具体表现为:在异常事件发生时刻的前后按给定窗口的大小提取异常的样本,为各个异常类型学习sHDP-HMM模型,采用交叉验证的方法选择最优的模型;通过对比测试样本在各模型下的对数似然函数值之和实现异常分类。(5)在机器人的异常监测与分类的基础上,学习人类对于瞬时性和持续性两种异常事件的修复经验和意图,对应地提出了两种任务级的机器人异常修复策略:采用多项式分布对机器人瞬时性异常进行运动重做的修复策略;采用人为示范修复并参数化运动描述的方式对机器人持续性异常进行运动调整的修复策略。(6)综合以上的研究内容与成果,为了赋予机器人更长期的自治和更安全的人机共融环境,在传统机器人控制框架Sense-Plan-Act(SPA)的基础上增加了机器人感知(运动行为识别、异常监测、异常分类)阶段和异常修复阶段,提出了一个机器人多模态感知与学习的系统框架SPAIR(Sense-Plan-Act-Introspect-Recover)。该框架主要包括四个功能模块:1)机器人复杂任务的有向图描述;2)机器人运动行为的泛化与识别;3)机器人执行过程中的异常监测与分类;4)机器人异常事件的修复策略学习。(本文来源于《广东工业大学》期刊2019-06-01）
潘新朋,张广智[5]（2019）在《裂缝-孔隙型含气储层流体与裂缝参数贝叶斯地震反演方法》一文中研究指出对裂缝-孔隙型储层的勘探与开发而言,流体和裂缝属性参数对地震响应特征的影响至关重要.法向与切向裂缝柔度比通常作为识别充填裂缝流体的指示因子,但其受裂缝结构与流体成分的双重影响,故其对流体与裂缝属性的估算是欠定的.文章从各向异性Gassmann方程出发,利用线性滑移模型,发展了裂缝-孔隙型含气储层孔隙弹性理论方程;结合扰动刚度矩阵和渐进射线理论,建立了裂缝-孔隙型含气储层纵波线性反射系数和流体特征参数(纵波模量)及裂缝特征参数(裂缝弱度)间的直接关系,解耦了流体与裂缝参数对地震反射特征的影响;在裂缝准弱度参数的基础上,提出了新颖的方位各向异性弹性阻抗(EIVOA)参数化方法,结合宽方位地震数据和正则化约束,探讨了裂缝-孔隙型含气储层流体与裂缝参数贝叶斯地震反演方法.模型和实际资料处理表明,该方法能够稳定合理地直接从宽方位地震资料中获取流体与裂缝参数,提供了一种高可靠性的裂缝-孔隙型含气储层流体与裂缝描述方法.(本文来源于《中国科学:地球科学》期刊2019年05期）
周迎超[6]（2019）在《非参数回归方法与贝叶斯网络的研究及应用》一文中研究指出随着社会的发展,在经济、社会科学、交通等领域出现了一些新的问题,这些问题往往具有高度的非线性、不确定性等特征,非参数回归方法刚好可以较好的描述问题的非线性特征,因此受到研究者的关注.贝叶斯网络作为目前不确定知识表示和推理领域中最有效的理论模型之一,近些年常被用于数据挖掘、故障分析等领域.本文研究了非参数回归和贝叶斯网络的相关理论,针对其在应用上的局限性做出了相应的改进,并分别将其应用于对轨道交通短时客流的预测和大客流发生原因的诊断.主要内容如下:1.探讨了非参数回归的概念和原理,介绍了四类非参数回归方法,选取其中的非参数局部回归作为重点研究对象,并分别对非参数局部回归的四种方法进行了详细的介绍和对比.随后,选取K近邻非参数回归作为研究目标,详细分析了K近邻回归的组成部分和影响因素,并针对其无反馈的问题,提出了基于误差反馈的非参数回归方法.2.介绍了贝叶斯网络相关基础理论知识及其表示和构成,针对贝叶斯网络节点事件的先验概率或条件概率不确定,以及使用专家知识会导致主观性误差这两个问题,引入模糊集理论量化节点的概率,在确定节点概率的同时,尽可能的降低主观性误差.最后,给出了基于模糊集理论的贝叶斯网络的一般应用步骤.3.将非参数回归方法应用到轨道交通客流预测领域.详细的分析了轨道交通的客流统计特征,在此基础上为了保证匹配到的数据具有实际意义,构建了分类样本数据库,以上海地铁1号线2015年4月1日至4月30日的进出站客流数据为例,使用非参数回归方法进行短时客流预测,并与其他预测方法进行对比.4.分析轨道交通大客流产生的原因,以上海地铁1号线2014年至2016年近3年里大客流发生的相关数据为例,构建轨道交通大客流发生原因的贝叶斯网络.利用模糊集理论量化贝叶斯网络部分节点事件的条件概率,运用构建的贝叶斯网络推断大客流发生的概率,并在大客流发生后,诊断引发大客流的主要原因.(本文来源于《长春理工大学》期刊2019-03-01）
董道广,芮国胜,田文飚,康健,刘歌[7]（2019）在《基于结构相似性的非参数贝叶斯字典学习算法》一文中研究指出相较于传统综合字典学习方法,非参数贝叶斯方法具有显着优势,但其对图像结构全局相似性和变异性的表示能力仍有较大提升空间。针对这个问题,提出了一种基于结构相似性的非参数贝叶斯字典学习算法,该算法基于图像结构的全局相似性对图像进行聚类处理,并在图像的字典稀疏表示中引入块结构特性,提升了字典的结构表示能力。实验表明,所提算法在图像去噪和压缩感知方面的性能均优于目前主流的几种无监督字典学习算法。(本文来源于《通信学报》期刊2019年01期）
苏雅玲,何幼桦[8]（2018）在《非参数回归的贝叶斯估计》一文中研究指出基于因变量Y对自变量X条件分布的非参数贝叶斯估计,通过期望计算得到未知回归函数的后验估计表达式,并计算出估计的均方误差,证明该估计的均方收敛性.阐明当先验的选择接近真实的回归函数时,该估计的均方误差小于局部线性核回归的均方误差.最后通过实证分析,表明该非参数贝叶斯回归比非参数局部线性回归具有更好的预测效果.(本文来源于《上海大学学报(自然科学版)》期刊2018年06期）
刘雨萌,李战江,尹伟[9]（2018）在《非参数下贝叶斯判别与聚类分析的信用指标筛选模型》一文中研究指出文章通过非参数贝叶斯判别对所有信用指标进行第一轮筛选,通过非参数聚类方法对保留的信用指标进行第二轮筛选,提供了一套指标分布未知下筛选信用评价指标的非参数方法,并以某商业银行的860个企业信贷数据为样本进行了应用分析。其要点一是通过非参数核密度分布函数构建违约客户与非违约客户的二分类贝叶斯判别模型,删除判别精度影响度大于等于0的信用指标,保留判别精度影响度小于0的信用指标。二是通过非参数聚类将保留的指标聚为19类,在聚为一类的指标中保留判别精度影响度比重最大的信用指标,最终构建具有显着信用判别能力且信息不重复的指标体系。实证结果表明,最终构建的20个指标的企业信用评价指标体系符合5C要素模型。最终构建指标的判别精度高于全部指标判别精度3个百分点。(本文来源于《统计与决策》期刊2018年22期）
蒋远营,张波[10]（2019）在《基于非参数贝叶斯方法的随机波动建模与应用》一文中研究指出本文利用非参数贝叶斯方法进行随机波动建模。通常的参数随机波动模型适用于证券市场中的综合指数数据,而对个股数据和小范围指数数据的拟合效果较差,主要原因是其收益率数据的变化规律更为复杂、具有更厚的尾部行为,而非参数贝叶斯方法的随机波动模型无需进行分布假设,具有很强的灵活性。本文利用SV-DPM模型对IBM的股票价格数据和上证50指数数据进行建模,研究发现非参数随机波动模型能拟合参数随机波动模型难以扑捉到的数据特征,实证表明有充分的依据支持非参数贝叶斯随机波动模型。论文的研究有助于捕捉金融资产的时变波动性质,能更好的揭示金融市场的运行规律,为期权定价和金融风险管理提供依据,对于防范与控制金融风险有着重要意义。(本文来源于《数理统计与管理》期刊2019年01期）
非参数贝叶斯论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为提高视频异常检测算法的适用性,同时提高算法的识别效率和精度,提出一种基于隐式马尔科夫非参数贝叶斯算法的视频异常检测算法。首先,针对跨越多天的视频画面进行片段序列划分,然后对所有帧的像素位置进行光流矢量总数统计和特征向量提取;其次,针对流数据分割和隐藏模式发现过程中模式数量未知问题,利用分层Dirichlet过程的隐式马尔科夫算法和非参数贝叶斯因子分析进行视频数据流分割和模式发现;最后,引入了一个交互式系统,允许用户检查和浏览可疑事件。实验结果显示,所提算法可实现视频异常的自适应模式发现,并可提高算法的识别精度和效率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
非参数贝叶斯论文参考文献
[1].薄连坤,熊瑾煜,张晓勇,刘成元.利用拖船自噪声进行浅海环境参数贝叶斯反演[J].声学学报.2019
[2].陈皓圭,许乐灵,唐旭清.隐式马尔科夫HDP非参数贝叶斯视频异常检测[J].控制工程.2019
[3].尚聪聪,郝佳,张彬彬,岳昆.使用带分类参数贝叶斯网的虚拟机性能预测[J].小型微型计算机系统.2019
[4].吴鸿敏.非参数化贝叶斯模型的机器人多模态感知与学习[D].广东工业大学.2019
[5].潘新朋,张广智.裂缝-孔隙型含气储层流体与裂缝参数贝叶斯地震反演方法[J].中国科学:地球科学.2019
[6].周迎超.非参数回归方法与贝叶斯网络的研究及应用[D].长春理工大学.2019
[7].董道广,芮国胜,田文飚,康健,刘歌.基于结构相似性的非参数贝叶斯字典学习算法[J].通信学报.2019
[8].苏雅玲,何幼桦.非参数回归的贝叶斯估计[J].上海大学学报(自然科学版).2018
[9].刘雨萌,李战江,尹伟.非参数下贝叶斯判别与聚类分析的信用指标筛选模型[J].统计与决策.2018
[10].蒋远营,张波.基于非参数贝叶斯方法的随机波动建模与应用[J].数理统计与管理.2019