置信度
- 用于多尺度道路目標(biāo)檢測的優(yōu)化定位置信度改進(jìn)算法
的概率作為分類置信度來表征檢測質(zhì)量,然后對(duì)候選結(jié)果進(jìn)行排序以剔除冗余包圍框.但分類置信度只能衡量分類質(zhì)量而沒有考慮定位質(zhì)量,用來表征檢測質(zhì)量顯然不合理.IoU-Net[20]基于特征對(duì)齊網(wǎng)絡(luò),預(yù)測包圍框及其對(duì)應(yīng)真實(shí)框之間的交并比(Intersection over Union,IoU)作為定位置信度來衡量定位質(zhì)量,提高了檢測精度.文獻(xiàn)[21]基于IoU設(shè)計(jì)了一種非線性變換的定位置信度指標(biāo),提升了車輛行人的檢測效果.但I(xiàn)oU只有在特征對(duì)齊網(wǎng)絡(luò)中才能生效,難以
小型微型計(jì)算機(jī)系統(tǒng) 2023年9期2023-09-06
- 基于Apriori算法的大氣污染物關(guān)聯(lián)性分析研究郭艷萍
染物;支持度;置信度中圖分類號(hào):TP181 文獻(xiàn)標(biāo)志碼:A0 引言(Introduction)在我國工業(yè)快速發(fā)展的背景下,隨之而來的環(huán)境污染問題日益嚴(yán)重。根據(jù)產(chǎn)生環(huán)境污染原因的不同,引起的污染問題也不同,可分為水源污染、土壤污染、大氣污染等。因此,在對(duì)待污染問題時(shí)不能一概而論,要針對(duì)不同類型的污染采用不同的治理措施。此外,由于各地出現(xiàn)的環(huán)境污染問題的污染物特點(diǎn)不盡相同,所以通過對(duì)污染物進(jìn)行分類和按照污染物不同的特點(diǎn),采取不同的措施治理環(huán)境污染問題已經(jīng)成為當(dāng)
軟件工程 2023年9期2023-09-06
- 噪聲標(biāo)簽識(shí)別與糾正的置信度預(yù)測方法
簽識(shí)別與糾正的置信度預(yù)測方法(confidence prediction method for noise label identification and correction,CPRC),通過定義置信度推斷方法,建立置信度連接,迭代實(shí)現(xiàn)置信度最優(yōu)的噪聲標(biāo)簽識(shí)別與糾正。首先,將數(shù)據(jù)樣本按置信度與距離的不同分類,在樣本分類的基礎(chǔ)上,定義初始可信樣本選擇策略,篩選優(yōu)質(zhì)的可信樣本,建立樣本間置信度動(dòng)態(tài)預(yù)測的基礎(chǔ)。其次,根據(jù)數(shù)據(jù)間固有的分布特性,分析樣本標(biāo)簽誤差
- 基于數(shù)據(jù)置信度衰減的多傳感器區(qū)間估計(jì)融合方法
器區(qū)間估計(jì)及其置信度的融合方法,但是該方法認(rèn)為區(qū)間估計(jì)的置信度是恒定的。文獻(xiàn)[8]研究了區(qū)間證據(jù)的歸一化和融合問題,但是該方法得出的融合結(jié)果是次優(yōu)的,且會(huì)出現(xiàn)區(qū)間上界小于下界的不合理結(jié)果。目前,上文所提到的區(qū)間估計(jì)融合方法并沒有考慮傳感器的精度變化,但是傳感器在使用過程中,精度會(huì)隨著時(shí)間而衰減。本文針對(duì)于多傳感器融合區(qū)間的數(shù)據(jù)置信度非恒定的問題,提出了考慮數(shù)據(jù)精度衰減的多傳感器區(qū)間估計(jì)融合方法。2 動(dòng)態(tài)置信度的傳感器輸出模型假設(shè)傳感器給出的區(qū)間估計(jì)是相互獨(dú)
電子技術(shù)與軟件工程 2022年15期2022-11-11
- 置信度輔助特征增強(qiáng)的視差估計(jì)網(wǎng)絡(luò)
以通過計(jì)算視差置信度,選取高置信度區(qū)域的視差作為特征增強(qiáng)的參考。因此,受到文獻(xiàn)[17]的啟發(fā),本文提出了一種基于置信度的特征增強(qiáng)機(jī)制,對(duì)網(wǎng)絡(luò)估算過程中產(chǎn)生的中間結(jié)果進(jìn)行置信度的判斷,預(yù)測視差估算的難易區(qū)域,對(duì)易匹配區(qū)域特征進(jìn)行增強(qiáng),從而輔助視差計(jì)算。置信度圖作為特征增強(qiáng)參考的功能主要有兩點(diǎn):一是根據(jù)置信度篩選出需要增強(qiáng)的像素點(diǎn);二是置信度的大小決定了特征增強(qiáng)的最大幅度。1 方法網(wǎng)絡(luò)總體結(jié)構(gòu)如圖1所示,在基礎(chǔ)網(wǎng)絡(luò)結(jié)構(gòu)中加入一個(gè)置信度估計(jì)子網(wǎng)絡(luò),估計(jì)視差圖中間
計(jì)算機(jī)工程與應(yīng)用 2022年15期2022-08-09
- 基于產(chǎn)生式規(guī)則的故障診斷驗(yàn)證應(yīng)用研究
;產(chǎn)生式規(guī)則;置信度1.專家系統(tǒng)概述所謂專家系統(tǒng)是一種人工智能領(lǐng)域的計(jì)算機(jī)程序系統(tǒng)。根據(jù)人類專家擁有的特定領(lǐng)域技能、經(jīng)驗(yàn)進(jìn)行推理和診斷,模擬人類專家做診斷的過程來解決那些依靠專家解決的困難問題。2.基于產(chǎn)生式規(guī)則的反向推理產(chǎn)生式系統(tǒng)運(yùn)行時(shí),除了需要規(guī)則庫之外,還需要有初始事實(shí)(或數(shù)據(jù))和目標(biāo)條件。目標(biāo)條件既是系統(tǒng)正常結(jié)束的條件,也是系統(tǒng)的求解目標(biāo)。反向推理是指先從知識(shí)庫中選擇一條知識(shí)作為假設(shè),然后尋找支持該假設(shè)的證據(jù)或事實(shí)來驗(yàn)證這種假設(shè)的真假性。因此,在C
裝備維修技術(shù) 2022年26期2022-07-13
- 基于荷載試驗(yàn)的鋼混疊合梁技術(shù)評(píng)定研究
果,提出了一種置信度優(yōu)化校驗(yàn)系數(shù)區(qū)間的方法,有效避免了因數(shù)據(jù)隨機(jī)性和離散性過大引起的試驗(yàn)結(jié)果精度不足的問題,精確了校驗(yàn)系數(shù)的區(qū)間范圍,給同類橋梁靜載試驗(yàn)分析提供一定的借鑒意義。關(guān)鍵詞:鋼混疊合梁;荷載試驗(yàn);置信度;區(qū)間估計(jì)中圖分類號(hào):U446.1文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1001-5922(2022)06-0102-06Research on technical evaluation of steel composite beams based on loa
粘接 2022年6期2022-06-21
- 基于置信度的飛行時(shí)間點(diǎn)云去噪方法
秋,孫志斌基于置信度的飛行時(shí)間點(diǎn)云去噪方法王明星1,2,鄭 福1,王艷秋1,2,孫志斌1,2(1. 中國科學(xué)院國家空間科學(xué)中心,北京 100190;2. 中國科學(xué)院大學(xué),北京 100049)飛行時(shí)間(Time-of-Flight,ToF)三維成像方法由于多路徑干擾和混合像素等問題降低了目標(biāo)物體深度測量的精度。傳統(tǒng)的方法通過優(yōu)化重構(gòu)異常點(diǎn)云數(shù)據(jù)或?yàn)V除噪聲點(diǎn)云數(shù)據(jù)來提高目標(biāo)的準(zhǔn)確性,但是這些方法復(fù)雜度高且容易導(dǎo)致過度平滑。三維點(diǎn)云圖像中的有效點(diǎn)云與噪聲點(diǎn)云之間
紅外技術(shù) 2022年5期2022-05-23
- 一種基于定位置信度預(yù)測的二階段目標(biāo)檢測方法
并給出一個(gè)分類置信度.在標(biāo)準(zhǔn)的非極大值抑制(Non Maximum Suppression,NMS)[15]方法中通?;诜诸?span id="j5i0abt0b" class="hl">置信度對(duì)重復(fù)檢測框進(jìn)行篩選,但由于分類置信度和定位準(zhǔn)確性的之間沒有強(qiáng)相關(guān)性,基于分類置信度的篩選會(huì)對(duì)檢測器的定位準(zhǔn)確性造成很大的影響[16].如圖 1所示,雖然box2的定位性能優(yōu)于box1,但由于box2的分類置信度稍低,因此在NMS過程中box2反而被box1所抑制,導(dǎo)致定位性能差的檢測框被輸出,從而影響檢測器的定位性能.圖1
小型微型計(jì)算機(jī)系統(tǒng) 2022年4期2022-05-09
- 基于模糊證據(jù)理論的物聯(lián)網(wǎng)節(jié)點(diǎn)評(píng)估方法研究①
業(yè)務(wù)屬性和節(jié)點(diǎn)置信度也會(huì)影響網(wǎng)絡(luò)中節(jié)點(diǎn)之間的信任關(guān)系. 例如, 某些隱藏在網(wǎng)絡(luò)中的惡意節(jié)點(diǎn)會(huì)利用合法身份發(fā)起內(nèi)部攻擊. 除此之外, 物聯(lián)網(wǎng)網(wǎng)絡(luò)安全的主要威脅還包括惡意節(jié)點(diǎn)利用節(jié)點(diǎn)之間的信任關(guān)系來獲取相關(guān)服務(wù). 如果不能及時(shí)識(shí)別物聯(lián)網(wǎng)網(wǎng)絡(luò)中的惡意節(jié)點(diǎn), 則有可能使得整個(gè)網(wǎng)絡(luò)受到攻擊, 從而導(dǎo)致隱私數(shù)據(jù)和保密數(shù)據(jù)泄露, 對(duì)網(wǎng)絡(luò)安全帶來威脅. 因此, 保障物聯(lián)網(wǎng)的節(jié)點(diǎn)安全和改善節(jié)點(diǎn)合作關(guān)系的首要條件是充分挖掘網(wǎng)絡(luò)環(huán)境中節(jié)點(diǎn)之間的信任關(guān)系, 并以此來識(shí)別網(wǎng)絡(luò)環(huán)境存
- 基于距離置信度分?jǐn)?shù)的多模態(tài)融合分類網(wǎng)絡(luò)
.在統(tǒng)計(jì)學(xué)中,置信度是度量系統(tǒng)可靠性的一個(gè)典型指標(biāo).置信度的重要性在于,如果一個(gè)決策支持系統(tǒng)對(duì)某個(gè)樣本進(jìn)行預(yù)測的信心太低,則可能需要人類專家參與決策過程.在實(shí)際應(yīng)用中,置信度還具有識(shí)別未知類別樣本的能力.因?yàn)楫?dāng)分類時(shí),如果置信度較低,則表明要鑒別的樣本與建立模型時(shí)用到的樣本差異度較大.借助置信度能夠擴(kuò)大樣本訓(xùn)練范圍,通過再訓(xùn)練改善模型,提高模型的泛化能力[1-4].因此,良好的置信度應(yīng)該是模型設(shè)計(jì)的一部分[1].在部署任何機(jī)器學(xué)習(xí)分類模型時(shí),好的模型不僅要
上海交通大學(xué)學(xué)報(bào) 2022年1期2022-01-27
- 基于置信度時(shí)間相關(guān)矯正的視頻流目標(biāo)檢測算法
bw,bh)和置信度P0,公式如下:其中σ(x)=1∕( 1 +e-x),cx,cy代表單元格從左上角的偏移量,pw,ph代表錨框的寬度、高度。所述目標(biāo)置信度P0為預(yù)測邊界框內(nèi)存在目標(biāo)的可能性,其計(jì)算公式為:其中Pr(Object)表示當(dāng)前網(wǎng)格內(nèi)是否包含目標(biāo)的中心點(diǎn),如果包含,則為1,反之為0;表示網(wǎng)絡(luò)的預(yù)測邊界框和真實(shí)邊界框面積的交并比[13],當(dāng)P0大于0.5時(shí),表示當(dāng)前目標(biāo)框內(nèi)有目標(biāo)被檢測出。2 基于時(shí)間相關(guān)的置信度矯正模型2.1 基于時(shí)間相關(guān)的置信
現(xiàn)代計(jì)算機(jī) 2021年33期2022-01-21
- 一種二次雷達(dá)身份代碼聚合提取的方法
位幅度進(jìn)行碼位置信度標(biāo)記。每個(gè)碼位分為1碼和0碼,同時(shí)計(jì)算出1碼置信度高置信度(S1H)、1碼置信度低置信度(S1L)、0碼置信度高置信度(S0H)、0碼置信度低置信度(S0L)。以C1碼位為例,當(dāng)譯碼數(shù)據(jù)中給出的C1碼位值為1,C1碼位的幅度值為a1,參考脈沖(F1/F2)幅度為a0,1碼的高低置信度判斷準(zhǔn)則如表1所示。當(dāng)譯碼數(shù)據(jù)中給出的C1碼位值為0,C1碼位幅度值為a1,0碼的高低置信度判斷準(zhǔn)則如表1所示。本次的譯碼數(shù)據(jù)與緩存的點(diǎn)跡節(jié)點(diǎn)位置相關(guān)成功則
科技與創(chuàng)新 2021年24期2022-01-03
- VaR模型在證券投資中的運(yùn)用
ARCH模型;置信度;方差-協(xié)方差法一、VaR的基本介紹(一)VaR的理論背景VaR的產(chǎn)生:VaR模型是1976年由JP Morgan公司率先提出的,由JP Morgan的風(fēng)險(xiǎn)管理人員開發(fā)了一種能夠測量不同交易、不同市場風(fēng)險(xiǎn),并能將這些風(fēng)險(xiǎn)以一個(gè)數(shù)值來體現(xiàn)的風(fēng)險(xiǎn)價(jià)值(VAR)。VaR是指風(fēng)險(xiǎn)價(jià)值度,具體意義是:在一定概率水平(置信度)下,在一定時(shí)期市場正常波動(dòng)下,栽證券組合或是金融資產(chǎn)的最大可能損失值。VaR的數(shù)學(xué)定義:在N天結(jié)束時(shí),投資組合的損失大于或是
中國集體經(jīng)濟(jì) 2021年32期2021-10-22
- 基于置信度融合的自然場景文本檢測方法
測文本框的分類置信度對(duì)重復(fù)檢測的預(yù)測框進(jìn)行篩選和合并。然而,該過程忽略了預(yù)測框的定位精度,使得一些定位更精確而分類置信度略低的預(yù)測框可能在非極大抑制步驟中被抑制,影響文本檢測的準(zhǔn)確率。為了改善上述不足,文中設(shè)計(jì)了置信度融合的文本檢測方法。在多任務(wù)預(yù)測網(wǎng)絡(luò)中設(shè)計(jì)一個(gè)新的分支預(yù)測錨框與真實(shí)文本框的交并比IOU(intersection over union)值,將該值作為預(yù)測文本框的定位置信度。在非極大抑制算法中,用分類置信度與定位置信度融合的結(jié)果取代分類置信
計(jì)算機(jī)技術(shù)與發(fā)展 2021年8期2021-08-27
- 安全聯(lián)鎖設(shè)備SIL驗(yàn)證中的參數(shù)估計(jì)偏差分析*
薦不同參數(shù)估計(jì)置信度[6],影響SIL驗(yàn)證的準(zhǔn)確性,增加驗(yàn)證的不確定性[7],使得化工企業(yè)的生產(chǎn)裝置處于欠保護(hù)或者過保護(hù)的狀態(tài),進(jìn)而可能誤導(dǎo)風(fēng)險(xiǎn)評(píng)判結(jié)果。鑒于此,本文定量比較研究安全聯(lián)鎖回路在恒定和非恒定失效率情況下的2種算法,并對(duì)存在的偏差進(jìn)行定量評(píng)估分析,以更好落實(shí)《關(guān)于加強(qiáng)化工安全儀表系統(tǒng)管理的指導(dǎo)意見》在國內(nèi)化工企業(yè)的應(yīng)用。首先使用蒙特卡洛仿真,獲取符合工程實(shí)際的失效數(shù)據(jù),進(jìn)而使用極大似然估計(jì)求解出威布爾參數(shù)和指數(shù)參數(shù),并運(yùn)用威布爾分布PFDavg
中國安全生產(chǎn)科學(xué)技術(shù) 2021年6期2021-07-12
- 基于靶試的空空導(dǎo)彈自主飛可靠性置信度分析*
低于0.70(置信度0.5);2)目標(biāo)值:不低于0.89(置信度0.82)。有人提出,0.5 的置信度是否可理解為對(duì)評(píng)估出的結(jié)果可以相信也可以不相信?可靠性評(píng)估技術(shù)的研究國內(nèi)外開展較多,如金碧輝對(duì)可靠性評(píng)估方法進(jìn)行了全面論述,周育才對(duì)空空導(dǎo)彈任務(wù)可靠性、性能可靠性、單元可靠性、系統(tǒng)可靠性評(píng)估進(jìn)行了應(yīng)用研究[5-8]。但對(duì)評(píng)估置信度的研究很少,更多的是原則性的描述。以下通過分析置信度高低對(duì)評(píng)估結(jié)果的影響等疑問進(jìn)行論述,首先介紹點(diǎn)估計(jì)與區(qū)間估計(jì),通過區(qū)間估計(jì)引
火力與指揮控制 2020年12期2021-01-22
- 考慮土石混填地基壓實(shí)系數(shù)不均勻性對(duì)檢測結(jié)果置信度的影響研究
勻性對(duì)檢測結(jié)果置信度的影響研究。研究思路如下:首先基于二維隨機(jī)場理論模擬土石混合料填方地基不均勻的壓實(shí)系數(shù),其次按照不同的檢測頻率模擬進(jìn)行壓實(shí)系數(shù)抽樣檢測,并采用蒙特卡洛模擬的方式統(tǒng)計(jì)檢測結(jié)果的置信度,最后總結(jié)上述規(guī)律,得到計(jì)算不同工況下檢測置信度的關(guān)系模型,據(jù)此對(duì)場區(qū)壓實(shí)質(zhì)量檢測結(jié)果的置信度進(jìn)行評(píng)價(jià)。1 壓實(shí)系數(shù)隨機(jī)場模型對(duì)于土石混合料填方工程來說,由于材料特征和施工過程中的不確定性,最終場地的壓實(shí)系數(shù)存在一定的變異性,即不同點(diǎn)位之間的壓實(shí)系數(shù)存在一定差
廣東土木與建筑 2020年11期2020-11-19
- 基于DUANE模型的某車型可靠性增長試驗(yàn)應(yīng)用研究
UANE模型;置信度;回歸分析;研制階段中圖分類號(hào):U467 ? ?文獻(xiàn)標(biāo)識(shí)碼:A ? ?文章編號(hào):1005-2550(2020)05-0017-08Abstract: Reliability growth test is one common measure for improving the reliability level of products in aviation, electronics and machinery industries.
汽車科技 2020年5期2020-10-29
- 帶置信度的基于sEMG的無聲語音識(shí)別研究
無聲語音識(shí)別;置信度;插值算法;一致性預(yù)測器中圖分類號(hào):TN912.34 ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1009-3044(2020)17-0003-04Abstract:Silent speech recognition is based on the bioelectric signal collected by the sEMG sensor placed on the face, which is independent of the ac
電腦知識(shí)與技術(shù) 2020年17期2020-09-29
- 強(qiáng)化學(xué)習(xí)框架下移動(dòng)自組織網(wǎng)絡(luò)分步路由算法
每個(gè)節(jié)點(diǎn),使用置信度來衡量鄰居節(jié)點(diǎn)的可靠性。當(dāng)網(wǎng)絡(luò)狀態(tài)相對(duì)穩(wěn)定時(shí),使用結(jié)合置信度的Q-routing方法進(jìn)行路由,而節(jié)點(diǎn)移動(dòng)導(dǎo)致網(wǎng)絡(luò)狀態(tài)不穩(wěn)定時(shí),則以一定概率使用廣播的方式確保將信息傳到目的節(jié)點(diǎn),這種方式加快了在網(wǎng)絡(luò)狀態(tài)不穩(wěn)定時(shí)路由的收斂速率,并保證了系統(tǒng)的吞吐率。然而,廣播機(jī)制增加了路由開銷。并且在Q值和置信度一直動(dòng)態(tài)變化的情況下,按照統(tǒng)一度量選擇下一跳節(jié)點(diǎn),會(huì)有陷入路由環(huán)路的情況,使重復(fù)包檢測機(jī)制進(jìn)行丟包處理。本文研究了MANET中的路由問題,對(duì)SRR
國防科技大學(xué)學(xué)報(bào) 2020年4期2020-08-14
- 系統(tǒng)可靠性評(píng)估與更新方法
、分布參數(shù)等)置信度為γ的單側(cè)置信下限和上限,即根據(jù)文獻(xiàn)[4],式(1)或式(2)可以看作λ的置 信 分布函數(shù)。引理1 設(shè)兩個(gè)母體特征值λ1≥0 和λ2≥0 的置信度為γ的單側(cè)置信下限分別為λL1≥0 和λL2≥0,且λL1與λL2相互獨(dú)立, 則它們之和λ=λ1+λ2的單側(cè)置信下限λL=λL1+λL2的置信度γ*由下式計(jì)算特別地,當(dāng)γ≥50%時(shí),有γ*≥γ。若令X1=λ1-λL1,X2=-(λ2-λL2),則有γ*=P(X1≥X2),因此,γ*可由隨機(jī)變量
機(jī)電產(chǎn)品開發(fā)與創(chuàng)新 2020年2期2020-05-07
- 基于回歸置信度的多尺度精確人臉檢測
出一種基于回歸置信度的多尺度人臉檢測網(wǎng)絡(luò)(regression-based multi-scale face detection net,RM net)。該網(wǎng)絡(luò)以R-FCN網(wǎng)絡(luò)為原型,采用多尺度特征融合結(jié)構(gòu)提取特征,在預(yù)測階段既輸出分類置信度又輸出回歸置信度,同時(shí)將回歸置信度作為NMS[11]算法的排序指標(biāo)。該網(wǎng)絡(luò)不僅能檢測多尺度的人臉,還能獲得精確的候選框。1 回歸置信通過分析目前的人臉檢測算法發(fā)現(xiàn)一個(gè)問題:檢測任務(wù)與分類任務(wù)是分開進(jìn)行的,而最終得到的預(yù)
計(jì)算機(jī)工程與設(shè)計(jì) 2020年1期2020-02-08
- 基于樣本塊的圖像修復(fù)方法
本塊;優(yōu)先權(quán);置信度;數(shù)據(jù)項(xiàng)中圖分類號(hào): TP391.41文獻(xiàn)標(biāo)識(shí)碼: A文章編號(hào): 2095-2457(2019)33-0021-003DOI:10.19694/j.cnki.issn2095-2457.2019.33.009Image Inpainting Method Based on Sample PatchZHANG Jun CHANG Xia WANG Li-juan(The Key Laboratory of Intelligent Info
科技視界 2019年33期2019-12-17
- 具有置信度的決策樹在客戶價(jià)值分類中的應(yīng)用
,最終生成具有置信度的決策樹。實(shí)驗(yàn)表明,該算法能夠有效地處理不一致性數(shù)據(jù)集,并能合理地將客戶價(jià)值進(jìn)行合理分類,供決策者參考。關(guān)鍵詞:決策樹;變精度粗糙集;置信度;客戶價(jià)值;客戶分類;中圖分類號(hào): TP182? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1009-3044(2019)25-0193-04Abstract: Classification of customer value is the key to enterprises success. A de
電腦知識(shí)與技術(shù) 2019年25期2019-11-12
- 偽標(biāo)簽置信選擇的半監(jiān)督集成學(xué)習(xí)視頻語義檢測
基分類器的標(biāo)簽置信度,并融合標(biāo)簽矢量和標(biāo)簽置信度得到樣本的偽標(biāo)簽和集成置信度;接著,選擇集成置信度高的樣本加入到有標(biāo)簽的樣本集,迭代訓(xùn)練基分類器;最后,采用訓(xùn)練好的基分類器集成協(xié)作檢測視頻語義概念。該算法在實(shí)驗(yàn)數(shù)據(jù)集UCF11上的平均準(zhǔn)確率到達(dá)了83.48%,與Co-KNN-SVM算法相比,平均準(zhǔn)確率提高了3.48個(gè)百分點(diǎn)。該算法選擇的偽標(biāo)簽?zāi)荏w現(xiàn)樣本所屬類別與其他類別的總體差異性,又能體現(xiàn)所屬類別的唯一性,可減少利用偽標(biāo)簽樣本的風(fēng)險(xiǎn),有效提高視頻語義概念
計(jì)算機(jī)應(yīng)用 2019年8期2019-10-23
- 采用人臉身份識(shí)別的智慧門禁系統(tǒng)
別;智慧門禁;置信度;數(shù)據(jù)庫;SSM框架DOI:10. 11907/rjdk. 191090中圖分類號(hào):TP303文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1672-7800(2019)004-0032-040 引言當(dāng)前人工智能制造不斷滲透進(jìn)安防領(lǐng)域, 作為安防基礎(chǔ)核心的人工智能門禁將迎來前所未有的應(yīng)用前景[1]。傳統(tǒng)門禁系統(tǒng)往往使用門禁卡、指紋或者密碼等作為通行的主要手段。其中,門禁卡、指紋等方式需要特定的輸入設(shè)備,門禁卡受限于卡的數(shù)量,而指紋考勤機(jī)對(duì)環(huán)境和考勤人員皮膚要
軟件導(dǎo)刊 2019年4期2019-06-09
- 城市軌道車輛的可靠性驗(yàn)證方法
,比較分析了有置信度要求和沒有置信度要求時(shí)2種不同的可靠性驗(yàn)證試驗(yàn)接收標(biāo)準(zhǔn),并通過MATALB解超越方程完善了標(biāo)準(zhǔn)中定時(shí)截完試驗(yàn)方案,同時(shí)對(duì)可靠性驗(yàn)證過程中應(yīng)注意的問題進(jìn)行了分析。關(guān)鍵詞:軌道車輛;可靠性驗(yàn)證;置信度中圖分類號(hào):U292.91 文獻(xiàn)標(biāo)志碼:A0 引言城市軌道車輛的可靠性直接關(guān)系到車輛的運(yùn)營維護(hù)成本及服務(wù)質(zhì)量,為了降低車輛的運(yùn)營維護(hù)成本,達(dá)到用戶要求的服務(wù)質(zhì)量,用戶在車輛的招標(biāo)階段就提出了可靠性的要求,并要求在車輛運(yùn)營階段根據(jù)實(shí)際運(yùn)營情況進(jìn)行
中國新技術(shù)新產(chǎn)品 2019年6期2019-05-21
- 一種基于局部置信度網(wǎng)絡(luò)的光照估計(jì)算法
,一種基于局部置信度網(wǎng)絡(luò)的光照估計(jì)算法被提出,該算法包含三部分:(1)基于亮暗像素的圖像塊采樣方法,使得所采樣的圖像塊有較大的色度梯度,有利于光照估計(jì);(2)采樣圖像塊的局部光照估計(jì)網(wǎng)絡(luò);(3)置信度網(wǎng)絡(luò)計(jì)算局部光照估計(jì)網(wǎng)絡(luò)獲得的局部估計(jì)置信度,最后通過置信度池化得到全局估計(jì)結(jié)果。實(shí)驗(yàn)驗(yàn)證了該算法的有效性,以及在兩種標(biāo)準(zhǔn)數(shù)據(jù)集上都取得了競爭性的性能。關(guān)鍵詞:顏色恒常性;光照估計(jì);卷積神經(jīng)網(wǎng)絡(luò);亮暗像素;置信度0引言人眼視覺系統(tǒng)擁有在不同顏色光照下感知物體真
智能計(jì)算機(jī)與應(yīng)用 2019年6期2019-03-11
- 基于子空間半監(jiān)督學(xué)習(xí)線性判別方法的目標(biāo)跟蹤技術(shù)研究
性判別分析; 置信度; 分類面; 狀態(tài)估計(jì)中圖分類號(hào): TN911.73?34 ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼: A ? ? ? ? ? ? ? ? ? ? ? ?文章編號(hào): 1004?373X(2019)03?0052?04Abstract: A linear discriminate analysis method based on semi?supervised learning is proposed for object
現(xiàn)代電子技術(shù) 2019年3期2019-02-19
- 支持度和置信度自適應(yīng)的關(guān)聯(lián)規(guī)則挖掘
繁項(xiàng)集搜索,在置信度的約束下進(jìn)行強(qiáng)關(guān)聯(lián)規(guī)則確認(rèn)。目前,許多關(guān)聯(lián)規(guī)則挖掘?qū)嵺`中,最小支持度(minsup)和最小置信度(minconf)參數(shù)的取值方法仍是由用戶根據(jù)先驗(yàn)知識(shí)進(jìn)行人為的指定,一方面,非專業(yè)關(guān)聯(lián)規(guī)則算法用戶,對(duì)算法參數(shù)的取值一般具有較大的主觀隨意性、往往很少考慮參數(shù)取值的科學(xué)性;另一方面,挖掘模型中支持度和置信度閾值的不同取值,對(duì)挖掘過程中頻繁項(xiàng)集的大小、自連接產(chǎn)生候選項(xiàng)集的規(guī)模、挖掘結(jié)果中關(guān)聯(lián)規(guī)則的數(shù)目有著顯著的影響。從算法設(shè)計(jì)的角度實(shí)現(xiàn)關(guān)聯(lián)規(guī)
計(jì)算機(jī)工程與設(shè)計(jì) 2018年12期2018-12-22
- 古代造紙?jiān)系臍v時(shí)性變化及其潛在意義オ
尼辛普森指數(shù);置信度中圖分類號(hào):K876. 9; TS71文獻(xiàn)標(biāo)識(shí)碼:ADOI:10.11980/j.issn.0254508X.2018.01.006Temporal Change of Fiber Raw Materials Used in Ancient Chinese Papermaking and Its ImplicationsLI Tao(Max Planck Institute for the Science of Human Histor
中國造紙 2018年1期2018-10-21
- 一種運(yùn)動(dòng)背景下視覺注意輔助的目標(biāo)檢測方法
配;目標(biāo)檢測;置信度中圖分類號(hào):TP391.4 文獻(xiàn)標(biāo)志碼:AAbstract: It is difficult to detect the foreground targets accurately in the sequence images in the situation of moving background. According to the characteristics of the targets in moving backgroun
湖南大學(xué)學(xué)報(bào)·自然科學(xué)版 2018年8期2018-10-09
- 正負(fù)關(guān)聯(lián)規(guī)則兩級(jí)置信度閾值設(shè)置方法
常采用支持度-置信度框架[1]來達(dá)到該目的。但是,當(dāng)同時(shí)挖掘各型正負(fù)關(guān)聯(lián)規(guī)則時(shí),使用支持度-置信度框架理論可能會(huì)出現(xiàn)相互矛盾的規(guī)則[7],如AB和AB或AB和AB同時(shí)出現(xiàn)。為此,人們引入了相關(guān)性度量對(duì)支持度-置信度框架進(jìn)行擴(kuò)充和修改以避免其發(fā)生[6-10]。在相關(guān)度-支持度-置信度框架下的正負(fù)關(guān)聯(lián)規(guī)則挖掘中,圍繞相關(guān)性度量和支持度閾值設(shè)置的研究已比較完善。文獻(xiàn)[8-9]采用卡方測量項(xiàng)集相關(guān)性。文獻(xiàn)[6-7,10]針對(duì)卡方無法判斷項(xiàng)集正相關(guān)還是負(fù)相關(guān)的不足,
計(jì)算機(jī)應(yīng)用 2018年5期2018-07-25
- 粗糙集預(yù)測算法的穩(wěn)定性分析
結(jié)果分析了最大置信度最小支持度及調(diào)節(jié)置信度算法的泛化界,這兩種方法可以用來做序列事件預(yù)測及監(jiān)督學(xué)習(xí).基于這些考慮,本文利用算法穩(wěn)定性研究粗糙集預(yù)測算法的泛化界.文中設(shè)計(jì)了置信度算法,該算法可以預(yù)測新樣本的標(biāo)簽,其原理就是尋找訓(xùn)練集中與新樣本相同的等價(jià)類,然后分配與該等價(jià)類置信度最高的標(biāo)簽給新樣本.首先定義了置信度函數(shù),其次利用最小化算子定義了其損失函數(shù),最后利用算法的穩(wěn)定性給出了置信度算法的泛化界.結(jié)果表明,泛化界主要與決策信息系統(tǒng)中樣本的數(shù)目及穩(wěn)定性參數(shù)
- 基于置信度和非局部自相似濾波的超分辨率重建
,利用深度圖像置信度和非局部自相似濾波的超分辨率重建算法。在聯(lián)合雙邊上采樣濾波器的基礎(chǔ)上,結(jié)合深度圖像置信度,去噪平滑圖像,在非局部自相似濾波中結(jié)合同場景彩色圖像的特征結(jié)構(gòu)信息進(jìn)行約束,可以很好減輕振鈴效應(yīng),重建出高分辨率圖像。實(shí)驗(yàn)結(jié)果表明,本文方法在去噪平滑圖像的同時(shí)更好地保護(hù)邊緣細(xì)節(jié),避免振鈴效應(yīng),取得不錯(cuò)效果。關(guān)鍵詞:深度圖像,置信度,非局部自相似,濾波器,飛行時(shí)間 ,超分辨率中圖分類號(hào):TP391 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1009-3044(20
電腦知識(shí)與技術(shù) 2018年9期2018-05-28
- 醫(yī)療大數(shù)據(jù)的疾病關(guān)聯(lián)分析
診斷 支持度 置信度醫(yī)療衛(wèi)生關(guān)系國計(jì)民生,是人民生活幸福水平的重要體現(xiàn),在中國這樣一個(gè)人口大國,看病難一直是困擾普通民眾。醫(yī)療信息化系統(tǒng)運(yùn)行積累了海量的數(shù)據(jù)信息,這些數(shù)據(jù)隱藏了很多有價(jià)值的信息,如何使這些數(shù)據(jù)輔助醫(yī)療機(jī)構(gòu)做出科學(xué)決策、讓它們發(fā)揮更大價(jià)值,成為當(dāng)前的熱點(diǎn)話題之一。對(duì)于醫(yī)生這個(gè)職業(yè),經(jīng)驗(yàn)和知識(shí)的積累是非常重要的,我們是否可以利用大數(shù)據(jù)技術(shù)手段,挖掘出醫(yī)療行為的一些內(nèi)在關(guān)系,然后轉(zhuǎn)化為知識(shí)成為醫(yī)生技能提升和知識(shí)傳播的手段,加快醫(yī)生的成長進(jìn)程。關(guān)聯(lián)
電子技術(shù)與軟件工程 2017年18期2018-01-28
- 基于園區(qū)網(wǎng)絡(luò)拓?fù)涞母婢P(guān)聯(lián)規(guī)則挖掘算法
于此進(jìn)一步建立置信度優(yōu)化模型,有效挖掘出時(shí)間相關(guān)性雖弱但正確的告警關(guān)聯(lián)規(guī)則,同時(shí)增強(qiáng)對(duì)時(shí)間相關(guān)性雖強(qiáng)但無效的規(guī)則的識(shí)別,從而提升園區(qū)網(wǎng)絡(luò)告警分析場景下挖掘結(jié)果集的正確率。原有算法回顧SDH-AARM算法(以下簡稱原有算法)同時(shí)具備了WINEPI的時(shí)序相關(guān)性以及FP-Growth的挖掘高效性,因此本文選用此算法為基礎(chǔ)算法,在該算法的基礎(chǔ)上進(jìn)行研究改進(jìn)。告警關(guān)聯(lián)規(guī)則挖掘算法的目的是在一個(gè)給定的時(shí)序集合中挖掘出所有強(qiáng)告警關(guān)聯(lián)規(guī)則。強(qiáng)告警關(guān)聯(lián)規(guī)則指支持度和置信度均
中國教育網(wǎng)絡(luò) 2017年12期2018-01-18
- 基于誤差馬尾圖量化爆轟數(shù)值模擬結(jié)果的置信度*
數(shù)值模擬結(jié)果的置信度*王瑞利1,梁 霄2,林 忠1(1.北京應(yīng)用物理與計(jì)算數(shù)學(xué)研究所,北京100094;2.山東科技大學(xué)數(shù)學(xué)學(xué)院,山東 青島266590)針對(duì)爆轟流體力學(xué)數(shù)值模擬過程中輸入?yún)?shù)的不確定性,通過抽樣技術(shù),形成確定性爆轟流體力學(xué)程序的各種輸入和數(shù)值求解,建立輸入?yún)?shù)與輸出響應(yīng)量的樣本,再通過概率框架下的誤差累積分布函數(shù)與馬尾圖,給出了爆轟數(shù)值模擬過程中輸入?yún)?shù)不確定度對(duì)模擬結(jié)果影響的置信度量化方法。通過一維黎曼問題、平面爆轟問題計(jì)算了誤差馬尾圖
爆炸與沖擊 2017年6期2017-12-21
- 基于FPGA 的改進(jìn)ADS-B糾錯(cuò)算法設(shè)計(jì)與實(shí)現(xiàn)
CRC)校驗(yàn)和置信度判定的基礎(chǔ)上,提出了一種基于FPGA的改進(jìn)ADS-B糾錯(cuò)算法。給出了該改進(jìn)算法的設(shè)計(jì)方案,并通過FPGA平臺(tái)進(jìn)行了大量實(shí)采信號(hào)的測試驗(yàn)證。經(jīng)多次測試的結(jié)果表明:在不影響糾錯(cuò)性能的條件下,該改進(jìn)算法可節(jié)省硬件開銷,提升信號(hào)處理速度,保證了信號(hào)傳輸?shù)目煽啃?。ADS-B系統(tǒng);CRC校驗(yàn);比特置信度;糾錯(cuò);FPGA?廣播式自動(dòng)相關(guān)監(jiān)視(ADS-B)是一種基于衛(wèi)星導(dǎo)航系統(tǒng)和空-空、地-空、地-地?cái)?shù)據(jù)鏈通信的航空器運(yùn)行監(jiān)視技術(shù),屬于國際民用航空組織
中國民航大學(xué)學(xué)報(bào) 2017年5期2017-12-01
- 繼電器的額定壽命與可靠度
一定的可靠度和置信度,只是大小不同,明確規(guī)定與否而已。額定壽命;可靠度;置信度;威布爾分布0 引言額定(使用)壽命是繼電器的主要參數(shù),在額定壽命區(qū)間產(chǎn)品也會(huì)失效,那可靠度有多少,試驗(yàn)得到的可靠度的置信度又是多少等等,這里作簡單介紹。1 額定壽命不是電耐久性目前相關(guān)標(biāo)準(zhǔn)對(duì)額定壽命的定義和鑒定方法存在差異,IEC相當(dāng)一部分標(biāo)準(zhǔn)把額定壽命當(dāng)作“電耐久性”。按GB/T2900.63-2013(idtIEC60050-444)“電耐久性 (electricity d
電子測試 2017年8期2017-09-28
- 基于模糊控制的一階倒立擺系統(tǒng)穩(wěn)定控制研究
制;控制參數(shù);置信度;響應(yīng)曲線1 方法概述一階倒立擺為雙輸入單輸出控制系統(tǒng),輸入量為角度及角速度,輸出量為力,用于調(diào)整擺的角度。本文使用經(jīng)典的Mamdani模糊系統(tǒng)[2]。輸入采用三角形模糊器[3],采用中心解模糊器構(gòu)造模糊系統(tǒng)[4]。用于規(guī)則提取的數(shù)據(jù)來源于T-S fuzzy模糊控制[5]。2 參數(shù)提取由Matlab仿真得到用于提取規(guī)則的參數(shù),該方法使用線性矩陣不等式,求解控制參數(shù)。采集該方法的控制量、角速度及角度,采集時(shí)要保證采集數(shù)據(jù)的范圍足夠廣闊,避
科技創(chuàng)新與應(yīng)用 2017年1期2017-05-11
- 基于t檢驗(yàn)的實(shí)測載荷置信度分析與修譜技術(shù)研究
檢驗(yàn)的實(shí)測載荷置信度分析與修譜技術(shù)研究吳堂珍,熊 欣,趙 江(中國直升機(jī)設(shè)計(jì)研究所,江西 景德鎮(zhèn) 333001)直升機(jī)實(shí)測載荷譜的準(zhǔn)確性是結(jié)構(gòu)疲勞評(píng)定的關(guān)鍵。疲勞載荷的隨機(jī)性特點(diǎn),使得判斷其準(zhǔn)確性存在困難。以往設(shè)計(jì)員只能定性地去判斷飛行各架次載荷的分散性,對(duì)數(shù)據(jù)的差異只能被動(dòng)接受,這使得最終編制用于疲勞評(píng)定的載荷譜的精度不高,從而影響疲勞評(píng)定結(jié)論。提出了一種對(duì)實(shí)測載荷譜載荷統(tǒng)計(jì)檢驗(yàn)的方法,通過計(jì)算載荷子樣的置信度,以控制置信度水平,達(dá)到提高實(shí)測載荷譜精度的
直升機(jī)技術(shù) 2017年1期2017-04-10
- 校核、驗(yàn)證與確認(rèn)在紅外輻射特性測量中的應(yīng)用
特性測量結(jié)果的置信度與有效性。本文對(duì)紅外輻射特性測量的VV&A工作流程進(jìn)行了研究,提出了開展VV&A應(yīng)遵循的原則,并有針對(duì)性的設(shè)計(jì)了其VV&A過程,所得到的結(jié)論對(duì)目標(biāo)特性測量有一定的借鑒意義。【關(guān)鍵詞】 校核 驗(yàn)證 確認(rèn) 置信度一個(gè)紅外特性測量試驗(yàn)的結(jié)果是否能代表真實(shí)目標(biāo)的性能,存在一個(gè)置信度的問題。置信度是紅外輻射特性測量的關(guān)鍵,缺乏足夠置信度的目標(biāo)測性測量是沒有意義的。而校核、驗(yàn)證與確認(rèn)技術(shù)(VV&A)是置信度評(píng)估工作的基礎(chǔ)。開展紅外特性測量VV&A技
中國科技縱橫 2016年20期2016-12-28
- 基于改進(jìn)的關(guān)聯(lián)規(guī)則挖掘算法的用戶興趣挖掘
的應(yīng)用中,摒棄置信度這個(gè)度量值。究其原因,在于網(wǎng)站結(jié)構(gòu)中置信度不能準(zhǔn)確度量用戶興趣。提出了一個(gè)可以替代傳統(tǒng)置信度的、在網(wǎng)站環(huán)境下能正確反映用戶興趣的確定性的度量值,并結(jié)合用戶的瀏覽速率進(jìn)行用戶興趣挖掘。對(duì)比實(shí)驗(yàn)結(jié)果表明,此方法挖掘用戶興趣的效果明顯。關(guān)鍵詞: 關(guān)聯(lián)規(guī)則; 置信度; 數(shù)據(jù)挖掘; 用戶興趣挖掘中圖分類號(hào):TP393 文獻(xiàn)標(biāo)志碼:A 文章編號(hào):1006-8228(2016)09-70-03User interest mining with imp
計(jì)算機(jī)時(shí)代 2016年9期2016-10-28
- 開放式實(shí)時(shí)調(diào)查法在課堂教學(xué)改革中應(yīng)用的研究
性、影響因素及置信度做了比較全面的闡述,最后對(duì)該方法在實(shí)際應(yīng)用中的效果從教師、學(xué)生、應(yīng)用及考試結(jié)果幾方面做了對(duì)比分析,表明該方法是切實(shí)可行可用的。關(guān)鍵詞 調(diào)查法 開放式 置信度中圖分類號(hào):G424 文獻(xiàn)標(biāo)識(shí)碼:A DOI:10.16400/j.cnki.kjdkz.2016.02.063調(diào)查法在教學(xué)中是了解教學(xué)效果、改進(jìn)教學(xué)方式方法應(yīng)用較多的一種方法。在我專業(yè)進(jìn)行的教學(xué)改革①③中也采用了該方法來取得問題反饋并做相應(yīng)的教學(xué)調(diào)整。但是在實(shí)際應(yīng)用中發(fā)現(xiàn)調(diào)查法存在
科教導(dǎo)刊 2016年5期2016-08-04
- 連續(xù)波雷達(dá)精度對(duì)初速試驗(yàn)估計(jì)的影響*
確定置信區(qū)間及置信度,連續(xù)波雷達(dá)作為測量初速的重要設(shè)備,其精度影響初速試驗(yàn)估計(jì)的用彈數(shù)量,文中對(duì)初速測量進(jìn)行參數(shù)估計(jì),計(jì)算初速置信區(qū)間及其置信度,并考慮雷達(dá)測速誤差對(duì)初速估計(jì)的影響,討論射彈數(shù)量與雷達(dá)精度的關(guān)系,以期選擇最少的用彈量準(zhǔn)確考核被試彈藥性能,降低試驗(yàn)成本,提高試驗(yàn)效率。關(guān)鍵詞:初速;隨機(jī)變量;置信區(qū)間;置信度;連續(xù)波雷達(dá);精度;參數(shù)估計(jì)0引言彈丸的炮口初速是用經(jīng)典的內(nèi)彈道學(xué)理論研究火炮膛內(nèi)動(dòng)態(tài)過程的重要參數(shù),是衡量火炮、彈丸和火藥裝藥性能的一個(gè)
彈箭與制導(dǎo)學(xué)報(bào) 2016年2期2016-08-02
- 應(yīng)用Aprion算法實(shí)現(xiàn)大規(guī)模數(shù)據(jù)庫關(guān)聯(lián)規(guī)則挖掘的技術(shù)研究
n算法,挖掘出置信度和支持度均比較高的關(guān)聯(lián)信息,反映出數(shù)據(jù)庫中的數(shù)據(jù)相互之間的復(fù)雜性和有趣性,進(jìn)而挖掘出數(shù)據(jù)之間的有益關(guān)聯(lián),促進(jìn)大規(guī)模數(shù)據(jù)庫信息挖掘技術(shù)的發(fā)展,主要從Aprion算法方面分析大規(guī)模數(shù)據(jù)庫關(guān)聯(lián)規(guī)則挖掘的技術(shù)。關(guān)鍵詞: Aprion算法; 大規(guī)模數(shù)據(jù)庫; 關(guān)聯(lián)規(guī)則挖掘; 置信度; 支持度中圖分類號(hào): TN911?34 文獻(xiàn)標(biāo)識(shí)碼: A 文章編號(hào): 1004?373X(2016)07?0124?03Abstract: With the devel
現(xiàn)代電子技術(shù) 2016年7期2016-07-09
- 計(jì)及風(fēng)電不確定性的電網(wǎng)日前調(diào)度CVaR模型
求解,分析不同置信度下風(fēng)電場出力、電網(wǎng)日前調(diào)度的機(jī)組出力,以及在不同風(fēng)險(xiǎn)接受度下電網(wǎng)日前調(diào)度的條件風(fēng)險(xiǎn)值,比較所提出的混合算法的優(yōu)越性。仿真案例證明所提出模型的正確性,表明風(fēng)電場出力的置信度越低,系統(tǒng)所接受的風(fēng)險(xiǎn)度越高,所對(duì)應(yīng)的條件風(fēng)險(xiǎn)值越大,這為電網(wǎng)的系統(tǒng)操作人員提供了決策支持。關(guān)鍵詞:風(fēng)電;不確定性;置信度;日前調(diào)度;條件風(fēng)險(xiǎn)價(jià)值0引言隨著科技的不斷發(fā)展和環(huán)境保護(hù)要求的不斷提高,風(fēng)電、光伏等作為綠色清潔可再生能源越來越受到人們的關(guān)注。大規(guī)模風(fēng)電或光伏的
電力科學(xué)與工程 2016年4期2016-06-13
- 伴隨置信度的線性回歸模型
005)?伴隨置信度的線性回歸模型劉兆君(山東工商學(xué)院數(shù)學(xué)與信息科學(xué)學(xué)院,山東煙臺(tái)264005)摘要:針對(duì)正態(tài)余項(xiàng)的線性回歸模型,研究伴隨置信度的線性回歸模型。在一定概率下,設(shè)計(jì)隨機(jī)變量以均值為中心的置信區(qū)間,建立機(jī)會(huì)約束規(guī)劃,并在一定置信度下轉(zhuǎn)化為確定性規(guī)劃,應(yīng)用LINGO 11優(yōu)化軟件求解,構(gòu)造出伴隨置信度的線性回歸模型,實(shí)現(xiàn)對(duì)隨機(jī)變量觀測值信息的動(dòng)態(tài)應(yīng)用,可以實(shí)現(xiàn)伴隨置信度的預(yù)測。實(shí)證分析表明,該模型可以依置信度不同程度地反映觀測數(shù)據(jù)的多方面信息,選
統(tǒng)計(jì)與信息論壇 2015年7期2015-12-29
- 基于置信度的S 模式信號(hào)隨機(jī)多位糾錯(cuò)技術(shù)*
5-6]。3 置信度判定法則在對(duì)目前主流糾錯(cuò)技術(shù)進(jìn)行對(duì)比研究后發(fā)現(xiàn):不論是保守糾錯(cuò)技術(shù)還是強(qiáng)力糾錯(cuò)技術(shù),都是在對(duì)數(shù)據(jù)位的置信度準(zhǔn)確判定的前提下進(jìn)行的,所以一個(gè)好的置信度判定法則對(duì)糾錯(cuò)性能的影響至關(guān)重要。經(jīng)典的判定方法是基線多樣點(diǎn)算法,文獻(xiàn)[7]分析了其不足并進(jìn)行了改進(jìn)。本文采用多樣點(diǎn)判定的思想,在信號(hào)數(shù)字化后進(jìn)行多點(diǎn)采樣分析進(jìn)行置信度判定。根據(jù)S 模式應(yīng)答信號(hào)的特點(diǎn),采用主流8 MHz時(shí)鐘采樣,由于應(yīng)答信號(hào)的數(shù)據(jù)率為1 Mb/s,那么每個(gè)信息位將有8個(gè)采樣
電訊技術(shù) 2015年9期2015-12-25
- 置信度條件下軸承壽命的可靠度分析
)1 可靠度和置信度的關(guān)系汽車制造商對(duì)軸承壽命一般會(huì)提出以給定的置信度CY達(dá)到可靠度RX的要求,記為RX/CY。例如R90/C90,表示軸承壽命的要求是在90%的置信度下達(dá)到90%可靠度。這種要求比普通的不帶置信度的可靠度要求更為嚴(yán)格??煽慷仁橇慵M足確定的壽命要求的可靠程度,而置信度是零件試驗(yàn)樣本試驗(yàn)結(jié)果的可信程度。例如,對(duì)20個(gè)一組的樣本試驗(yàn),具有90%置信度和90%可靠度的試驗(yàn)結(jié)果,表示每組試驗(yàn)后將有2個(gè)零件失效,如果進(jìn)行10組這樣的試驗(yàn),則有9組樣
軸承 2015年2期2015-07-25
- 基于云模型的跳頻無線通信設(shè)備抗干擾能力評(píng)估方法*
給出和提高評(píng)估置信度的角度出發(fā),設(shè)計(jì)全面、客觀和合理的評(píng)估方法將是通信抗干擾能力評(píng)估研究的重點(diǎn)。本文針對(duì)以上問題,提出了一種評(píng)估跳頻通信設(shè)備抗干擾能力的新方法。該方法首先運(yùn)用了層次分析法(AHP)[9],構(gòu)造了評(píng)估跳頻通信設(shè)備抗干擾能力的指標(biāo)體系;其次,通過確定各指標(biāo)的類型,分析指標(biāo)值變化對(duì)抗干擾性能的影響趨勢,設(shè)計(jì)不同的量化方法處理原始指標(biāo)值;再次,運(yùn)用云模型挖掘指標(biāo)處理過程中的模糊信息,分析權(quán)重設(shè)置的可信度,并以此作為評(píng)估結(jié)果置信度的計(jì)算依據(jù);最后,計(jì)
電訊技術(shù) 2015年1期2015-03-18
- 序貫概率比檢驗(yàn)法在導(dǎo)航精度試飛中的應(yīng)用
檢驗(yàn)法,在給定置信度和誤差概率時(shí),求出導(dǎo)航精度的拒絕域、接收域和觀察域;當(dāng)試驗(yàn)曲線收斂于接收域時(shí)即可提前結(jié)束試飛,達(dá)到節(jié)省架次的目的。通過應(yīng)用表明該方法不但適用于導(dǎo)航系統(tǒng),對(duì)其他系統(tǒng)也具參考價(jià)值。關(guān)鍵詞: 序貫概率比檢驗(yàn); 導(dǎo)航精度; 飛行試驗(yàn); 置信度; 誤差概率中圖分類號(hào): TN96?34 文獻(xiàn)標(biāo)識(shí)碼: A 文章編號(hào): 1004?373X(2014)11?0124?05Abstract: The error statistical method bas
現(xiàn)代電子技術(shù) 2014年11期2014-07-18
- 一種基于置信度的軟件構(gòu)件可信性度量模型
夏 琦一種基于置信度的軟件構(gòu)件可信性度量模型*趙森嚴(yán),夏 琦(安徽工程大學(xué)計(jì)算機(jī)與信息學(xué)院,安徽,蕪湖 241000)軟件構(gòu)件在測試過程中存在空間局限性以及測試環(huán)境的單一性,需要根據(jù)系統(tǒng)運(yùn)行的狀態(tài)來對(duì)構(gòu)件的可信性進(jìn)行評(píng)估。通過引入置信度的模型對(duì)構(gòu)件的可信度進(jìn)行評(píng)價(jià),給出一個(gè)構(gòu)件可信的度量模型。在度量模型中采用三角模糊數(shù)層次分析法確定運(yùn)行狀態(tài)對(duì)置信度的影響權(quán)重。仿真結(jié)果表明,該模型能夠有效地度量構(gòu)件的可信度。軟件構(gòu)件;置信度;可信度量;三角模糊數(shù)層次分析法0
- 基于輸出概率分布的集外詞拒絕
題,也常常使用置信度(Confidence Measure)來描述,已經(jīng)有很多相關(guān)的文獻(xiàn)對(duì)此進(jìn)行研究。支持向量機(jī)(Support Vector Machine, SVM)[3]由于其較為優(yōu)秀的泛化能力,被很多研究人員用于置信度計(jì)算[4-6]。在本文的工作中,使用OPD信息用來計(jì)算置信度,并且使用SVM來訓(xùn)練針對(duì)每個(gè)音子的單獨(dú)的置信度函數(shù)。本文提出的方法中,獲得輸出概率分布OPD不需要額外的顯式垃圾模型。并從每個(gè)音子的置信度得分基礎(chǔ)上計(jì)算詞的置信度得分,然后
中文信息學(xué)報(bào) 2013年3期2013-04-23
- 多假設(shè)用于同一結(jié)論時(shí)綜合置信度計(jì)算的新方法?
同一結(jié)論時(shí)綜合置信度計(jì)算的新方法?王連亮(中國西南電子技術(shù)研究所,成都610036)針對(duì)多種假設(shè)應(yīng)用于同一結(jié)論時(shí)的不確定性推理問題,提出了一種新的綜合置信度計(jì)算方法。該方法直接對(duì)各假設(shè)的置信度進(jìn)行合成,避免了證據(jù)理論中的概率分配以及歸一化過程。數(shù)值分析表明,該方法計(jì)算的綜合置信度不受各假設(shè)參與運(yùn)算的順序影響,對(duì)高沖突假設(shè)的抗干擾能力強(qiáng),具有較強(qiáng)的魯棒性,在工程應(yīng)用中是一種有效的綜合置信度計(jì)算方法。數(shù)據(jù)融合;多假設(shè);不確定性推理;綜合置信度1 引言在數(shù)據(jù)融合
電訊技術(shù) 2011年11期2011-04-02
- 姜寨一期文化遺跡屬性數(shù)據(jù)的關(guān)聯(lián)規(guī)則挖掘研究
)≥設(shè)定的最小置信度(minconf),則構(gòu)成關(guān)聯(lián)規(guī)則B→(A-B)。本文只考慮規(guī)則的右邊只有一項(xiàng)的情況。如果給定一個(gè)頻集 Y=I1,I2,…,Ik,k≥2, Ij∈I,則只包含集合{I1,I2,…,Ik}中的項(xiàng)的規(guī)則最多有 k條。這種規(guī)則形如 I1,I2,…,Ii,Ii+1,…,Ik→Ii,1≤i≤k,其中,只有那些置信度大于用戶給定的最小置信度的規(guī)則被保留。該算法為了生成所有頻集,使用了遞歸方法,偽代碼為:輸入:D,最小支持度minsup;輸出:Res
地理與地理信息科學(xué) 2010年1期2010-12-28