“贝叶斯解混”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果922016个，建议您升级VIP下载更多相关专利

[发明专利]一种小波域的多时高光谱图像贝叶斯解混方法-CN202110745207.1在审
发明人：刘红毅;陆有康;张晨阳;吴泽彬;韦志辉;刘柏宇 -专利权人：南京理工大学
申请日： 2021-06-30 - 公布日： 2021-09-24 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种小波域的多时高光谱图像贝叶斯解混方法。该方法利用小波变换在信号检测方面的优势、贝叶斯模型以及端元和端元变异性的小波系数特点，分别对高光谱图像的高低频小波系数建立先验模型，得到更接近真实值的端元和丰度。本发明在传统的贝叶斯解混模型基础上，根据端元和端元变异性的小波系数特点，分别对其高低频小波系数建立先验模型。最后，针对得到的贝叶斯解混模型，用MCMC方法进行求解，并对得到的结果进行小波逆变换。
一种小波域多时光谱图像贝叶斯解混方法

[发明专利]一种基于演化计算的贝叶斯网络结构优化方法及装置-CN202111062298.5在审
发明人：周鋆;孙宝丹;李昡熠;王建江;张维明 -专利权人：中国人民解放军国防科技大学
申请日： 2021-09-10 - 公布日： 2021-11-30 - 主分类号： G06F30/25 文献下载
摘要：本申请涉及一种基于演化计算的贝叶斯网络结构优化方法、装置、计算机设备和存储介质。所述方法包括：根据GS算法对贝叶斯网络结构进行约束学习，得到的有向无环图作为贝叶斯网络结构学习的结构先验信息，得到贝叶斯网络结构学习问题的初始解；根据BNC‑PSO算法中的遗传算法的变异算子和交叉算子对初始解进行变异和交叉操作，得到贝叶斯网络结构学习问题的候选解；根据BNC‑PSO算法中的粒子群算法对贝叶斯网络结构学习问题的候选解进行搜索操作，得到第一全局最优解，根据第一全局最优解得到第二全局最优解，根据第二全局最优解进行贝叶斯网络结构优化采用本方法能够提高贝叶斯网络结构学习准确度。
一种基于演化计算贝叶斯网络结构优化方法装置

[发明专利]一种基于演化计算的贝叶斯网络结构优化方法及装置-CN202211079519.4在审
发明人：周鋆;孙宝丹;李昡熠;王建江;张维明 -专利权人：中国人民解放军国防科技大学
申请日： 2022-09-05 - 公布日： 2022-12-06 - 主分类号： G06F30/25 文献下载
摘要：本申请涉及一种基于演化计算的贝叶斯网络结构优化方法及装置。所述方法包括：根据GS算法对贝叶斯网络结构进行约束学习，得到的有向无环图作为贝叶斯网络结构学习的结构先验信息，得到贝叶斯网络结构学习问题的初始解；根据BNC‑PSO算法中的遗传算法的变异算子和交叉算子对初始解进行变异和交叉操作，得到贝叶斯网络结构学习问题的候选解；根据BNC‑PSO算法中的粒子群算法对贝叶斯网络结构学习问题的候选解进行搜索操作，得到第一全局最优解，根据第一全局最优解得到第二全局最优解，第二全局最优解表示病症和患者信息关联性最高的贝叶斯网络结构；根据第二全局最优解辅助病情预测。
一种基于演化计算贝叶斯网络结构优化方法装置

[发明专利]基于粒子群算法的贝叶斯网络优化方法-CN201410014689.3在审
发明人：李捷;许延伟;郑晓航;赵良智;董晨;陆肖元 -专利权人：上海宽带技术及应用工程研究中心
申请日： 2014-01-13 - 公布日： 2015-07-15 - 主分类号： G06N3/00 文献下载
摘要：本发明提供一种基于粒子群算法的贝叶斯网络优化方法。根据本发明的方法，当执行对问题求解的算法没有获得最优解时，基于预定选择策略由当前解群中选择较优解以形成较优解群；随后，基于较优解群来构造贝叶斯网络，并利用评价函数构建符合各较优解的贝叶斯网络概率模型；对贝叶斯网络概率模型进行推理采样，以获得所述问题的较优候选解群，并基于粒子群算法对较优候选解群进行深度搜索，以获得更优候选解群；再基于相关替换策略、较优候选解及更优候选解群来更新当前解群。可见，本发明的方法既能充分利用已建立的贝叶斯网概率模型进行全局的推理采样，还能利用粒子群算法对某些局部较优区域进行深度探索，有效提高了贝叶斯网络优化的有效性和可靠性。
基于粒子算法贝叶斯网络优化方法

[发明专利]基于结构化稀疏先验的贝叶斯高光谱解混压缩感知方法-CN201310713709.1有效
发明人：魏巍;张艳宁;张磊;李飞;孟庆洁 -专利权人：西北工业大学
申请日： 2013-12-20 - 公布日： 2014-04-23 - 主分类号： G06T9/00 文献下载
摘要：本发明公开了一种基于结构化稀疏先验的贝叶斯高光谱解混压缩感知方法，用于解决现有联合光谱解混的高光谱图像压缩感知方法精度差的技术问题。技术方案是压缩过程通过线性解混发掘高光谱数据内在的低秩性质，使用小波变换将丰度值转换成结构化稀疏信号，之后使用压缩感知得到压缩数据。重建过程，从光谱库中选择合适的端元矩阵，引入丰度值小波系数的结构化稀疏先验，然后使用基于吉布斯采样的贝叶斯推理方法精确重建丰度值矩阵，最后使用线性混合模型重建原始数据。
基于结构稀疏先验贝叶斯高光谱压缩感知方法

[发明专利]基于BRKGA算法的贝叶斯网络结构优化方法及装置-CN202110814631.7在审
发明人：周鋆;孙宝丹;张维明;朱先强;朱承 -专利权人：中国人民解放军国防科技大学
申请日： 2021-07-19 - 公布日： 2021-10-22 - 主分类号： G06F30/27 文献下载
摘要：本申请涉及一种基于BRKGA算法的贝叶斯网络结构优化方法及装置。所述方法包括：生成若干个[0,1]之间多个随机数组成的随机键向量；将NO TEARS算法作为解码器对随机键向量进行解码，得到贝叶斯网络结构优化问题的初始解；根据初始解和预先设置的损失函数，计算每个初始解的适应值；对适应值进行排序，得到精英个体集；根据精英个体集，采用遗传算法进行交叉和变异操作，输出贝叶斯网络结构优化问题的全局近似解；全局近似解为连续值矩阵；对连续值矩阵进行离散化，得到全局近似邻接矩阵，根据全局近似邻接矩阵，得到优化后的贝叶斯网络结构。采用本方法能够提高贝叶斯网络结构学习准确度。
基于 brkga 算法贝叶斯网络结构优化方法装置

[发明专利]基于BRKGA算法的贝叶斯网络结构优化方法及装置-CN202210762168.0在审
发明人：周鋆;孙宝丹;张维明;朱先强;朱承 -专利权人：中国人民解放军国防科技大学
申请日： 2022-06-30 - 公布日： 2022-08-19 - 主分类号： G06F30/27 文献下载
摘要：本申请涉及一种基于BRKGA算法的贝叶斯网络结构优化方法及装置。所述方法包括：生成若干个[0,1]之间多个随机数组成的随机键向量；将NO TEARS算法作为解码器对随机键向量进行解码，得到贝叶斯网络结构优化问题的初始解；根据初始解和预先设置的损失函数，计算每个初始解的适应值；对适应值进行排序，得到精英个体集；根据精英个体集，采用遗传算法进行交叉和变异操作，输出贝叶斯网络结构优化问题的全局近似解；全局近似解为连续值矩阵；对连续值矩阵进行离散化，得到全局近似邻接矩阵，根据全局近似邻接矩阵，得到优化后的贝叶斯网络结构。采用本方法能够提高贝叶斯网络结构学习准确度。
基于 brkga 算法贝叶斯网络结构优化方法装置

[发明专利]一种用Dijkstra算法学习最优贝叶斯网络的方法-CN202110474080.4在审
发明人：朱允刚;王铭阳;任雅楠;侯硕洋;王紫东;范滨丞 -专利权人：吉林大学
申请日： 2021-04-29 - 公布日： 2021-06-25 - 主分类号： G06N7/00 文献下载
摘要：本发明提供了一种用Dijkstra算法学习最优贝叶斯网络的方法，属于发电机生产领域，包括以下步骤：将构造最优解贝叶斯网络转化为建立最短路径问题，让不包含任何变量的最顶层结点作为起点状态和包含所有变量的最底部结点作为目标状态，根据定义最短路径对应最优贝叶斯网络；将最优贝叶斯网络应用到最短路径搜索问题的搜索技术中，采用Djikstra算法，按路径长度的非递减次序，逐步产生源点到其他各顶点的最短路径。该用Dijkstra算法学习最优贝叶斯网络的方法，采用Djikstra算法学习最优解贝叶斯网络使我们必将找到一个或多个最优的贝叶斯网络，并将结果存放到一个数组中，使结果更加准确，并且时间复杂度仅为O(n
一种 dijkstra 算法学习最优贝叶斯网络方法

[发明专利]电力电网故障诊断方法、装置、计算机设备及存储介质-CN202211576415.4在审
发明人：陈奕钪;吴聪;蔡驰;李晓骏;张维佳;黄小卫;郭强;吴青帅;陈诚;赵刚;左干清;蒋道宇;蔡晔 -专利权人：中国南方电网有限责任公司超高压输电公司广州局
申请日： 2022-12-09 - 公布日： 2023-01-06 - 主分类号： G06F18/2433 文献下载
摘要：，方法包括：获取电力电网的故障样本数据；分析故障样本数据，得到不同电力电网运行状态特征与故障特征之间的关联关系；以电力电网运行状态特征与故障特征为离散节点，基于关联关系、并采用马尔可夫毯算法构建无定向贝叶斯网络，得到多个初始贝叶斯网络；通过粒子群算法求解多个初始贝叶斯网络中最优解，获取电力电网的当前运行状态参数，将当前运行状态参数输入至最优贝叶斯网络，得到电力电网故障诊断结果。整个过程中，采用马尔可夫毯算法构建无定向贝叶斯网络，再采用粒子群算法求解多个初始贝叶斯网络中最优解，可以实现高效的电力电网故障诊断。
电力电网故障诊断方法装置计算机设备存储介质

[发明专利]一种基于贝叶斯博弈的家庭用电管理优化方法-CN201610312914.0在审
发明人：高丙团;刘晓峰;吴诚;汤奕 -专利权人：东南大学
申请日： 2016-05-12 - 公布日： 2016-10-12 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于贝叶斯博弈的家庭用电管理优化方法，包括以下步骤：S1：分别构建家庭用电费用模型和电动汽车反向放电收益模型；S2：构建关于用户一天总费用的贝叶斯博弈模型；S3：通过求解贝叶斯博弈模型的最优解得到家庭最优的用电策略由于现实世界中用户部分信息属于私有信息，并不为其他家庭所知，因此本发明将贝叶斯博弈思想引入到用户需求侧管理系统当中，通过用户对其他家庭用电行为的概率推断，将用户用电费用模型和电动汽车反向放电收益模型转化为贝叶斯博弈模型，再通过求解贝叶斯纳什均衡解，获得用户最优的用电策略，即最优的电动汽车充电策略和放电策略，从而使得每个用户一天的总费用达到最小。
一种基于贝叶斯博弈家庭用电管理优化方法

[发明专利]基于高斯混合模型和L1图约束的高光谱图像解混方法-CN202310086248.3在审
发明人：樊凡;刘文迪;马泳;梅晓光;马佳义;黄珺 -专利权人：武汉大学
申请日： 2023-01-17 - 公布日： 2023-06-06 - 主分类号： G06T7/00 文献下载
摘要：本发明提出了一种基于高斯混合模型和L1图约束的高光谱解混方法。本发明所提出的方法使用混合高斯分布对端元以及像元建模以解决端元变异的问题，并通过贝叶斯框架建立解混问题的目标函数；引入基于l1范数的图拉普拉斯正则化项，来约束丰度图像中蕴含的空间信息；使用广义期望最大算法，通过逐步迭代的方式对模型进行求解并得到最终的解混结果。本发明技术方案解混得到的丰度图像纹理细节清晰，保留了丰度图固有的分段平滑的特性，相较于传统方法具有较高的精度。
基于混合模型 l1 约束光谱图像方法

[发明专利]基于贝叶斯多核学习支持向量机的SAR目标识别方法-CN201710149246.9有效
发明人：王英华;王丽业;刘宏伟;陈渤;文伟 -专利权人：西安电子科技大学
申请日： 2017-03-14 - 公布日： 2019-07-02 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于贝叶斯多核学习支持向量机的SAR目标识别方法，主要解决现有的目标识别方法对SAR图像目标识别不准确的问题。其实现步骤为：1)输入原始SAR图像并预处理，计算不同特征的核矩阵；2)根据多核学习方法对核矩阵进行组合；3)根据组合的核矩阵对支持向量机建立贝叶斯多核学习支持向量机模型；4)使用期望最大化算法求解贝叶斯多核学习支持向量机模型，得到最优解；5)使用最优解对SAR图像测试数据进行目标识别。本发明有效地结合了贝叶斯方法的推断能力和多核学习方法的区分能力，提高了识别性能，可用于对SAR图像的分类。
基于贝叶斯多核学习支持向量 sar 目标识别方法

[发明专利]一种基于双贝叶斯估计的水下运动体运动状态估计方法-CN201510835168.9在审
发明人：刘厂;赵俊翔;高峰;赵玉新;赵美珍;魏宇 -专利权人：哈尔滨工程大学
申请日： 2015-11-26 - 公布日： 2016-04-20 - 主分类号： G06T7/20 文献下载
摘要：本发明属于运动状态估计领域，特别是一种基于双贝叶斯估计的水下运动体状态估计方法。建立水下运动体的运动状态估计模型：利用观测量解算出前一时刻水下运动体的速度大小及方向：利用下一时刻的观测信息更新贝叶斯估计参数：利用自适应贝叶斯运动估计方法，估计出水下运动体当前时刻的速度大小及方向；利用水下运动体当前时刻位置和自适应贝叶斯的估计结果，通过无迹贝叶斯运动估计方法，得到下一时刻的水下运动体位置。针对水下运动体运动情况复杂的特点，利用双贝叶斯估计的方法，该方法贴合水下运动体的运动模型，能够精确把握水下运动体运动状态。算法的估计精度高于单级运动状态估计方法。
一种基于双贝叶斯估计水下运动状态方法

[发明专利]抗脉冲干扰的多时相SAR图像多层贝叶斯盲解卷积方法-CN201510790081.4在审
发明人：徐枫;徐立中;石爱业;高红民;蒋德富 -专利权人：河海大学
申请日： 2015-11-17 - 公布日： 2016-03-09 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了抗脉冲干扰的多时相SAR图像多层贝叶斯盲解卷积方法，输入同一场景的多时相SAR图像，配准并融合成单帧SAR图像g；采用拉普拉斯分布对g中的噪声进行建模，依次对原始SAR图像f、点扩散函数h及其先验模型参数α_im、α_h进行先验建模，并初始化h、α_im和α_h；通过多层贝叶斯分解框架，实现对联合概率分布的建模；基于后验分布和多层贝叶斯分解框架，利用积分及变分贝叶斯推理，迭代估计出f、h、α_im和α_h的值。本发明利用多帧SAR图像增加了盲解卷积的可用信息量；将先验模型参数值的估计与SAR图像盲解卷积相耦合迭代，提高了参数值的估计效率和准确性；采用拉普拉斯分布的噪声模型，更适于抑制SAR图像中的脉冲干扰，提高了盲解卷积的精度
脉冲干扰多时 sar 图像多层贝叶斯盲解卷积方法

[发明专利]一种基于贝叶斯网络和重要度的涡轮发动机性能优化方法-CN202010709564.8在审
发明人：蔡志强;王宇航;司书宾;张帅;张攀;马晨阳 -专利权人：西北工业大学
申请日： 2020-07-22 - 公布日： 2020-10-23 - 主分类号： G06F30/20 文献下载
摘要：本发明公开了一种基于贝叶斯网络和重要度的涡轮发动机性能优化方法，该方法采用贝叶斯网络完成关于目标变量功率和温度的性能优化模型的构建，建模过程简单。其包括采集发动机试验数据；选取变量进行离散化处理，统计概率分布并确定优化目标；基于朴素贝叶斯网络构建性能优化模型；进行后验概率推理，找出属性变量的初始状态组合；通过重要度分析得出属性变量各个状态的重要性排序；从初始状态组合出发，按重要性顺序依次迭代，找出功率的最优解集；求出温度的最优解集，得到功率和温度的联合最优解集。结合贝叶斯网络和重要度分析，可精确选择发动机相关设计参数，使发动机动力性和安全性指标满足要求，实现对涡轮发动机性能优化。
一种基于贝叶斯网络重要涡轮发动机性能优化方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条