吉布斯采样

摘要： 在健康智能照顾护理领域,日常行为识别的准确率至关重要,但是由于日常行为本身的动态可变性以及个体之间的差异性的特点,造成基于可穿戴设备的日常行为识别模型的泛化性差、识别率低,无法对复杂日常行为进行识别的问题.提出一种优化的特征提取方法,将手腕动作聚合为若干个高层语义主题,进而将日常行为表征为一个有序的高层语义主题序列,有效地提升分类的效果.实验结果表明,高层主题语义特征能更准确地表征复杂日常行为的特征,提高了行为识别的准确性.

摘要： 当目标领域缺少足够多的标注数据时,迁移学习利用相关源领域的标注数据,辅助提升目标域的学习性能,但是目标域与源域的数据通常不满足独立同分布,容易导致"负迁移"问题.本文在有监督主题模型(Supervised LDA,SLDA)的基础上,融合迁移学习方法提出一种共享主题知识的迁移主题模型(Transfer SLDA,Tr-SLDA),提出Tr-SLDA-Gibbs主题采样新方法,在类别标签的约束下对不同领域文档中的词采取不同的采样策略,且无需指定主题个数.辅助源域与目标域共享潜在主题空间,Tr-SLDA通过发现潜在共享主题与不同领域类别之间的语义关联从源域迁移知识,可以有效解决"负迁移"问题.基于Tr-SLDA迁移主题模型提出Tr-SLDA-TC(Tr-SLDA Text Categorization)文本分类方法.对比实验表明,该方法可有效利用源域知识来提高目标领域的分类性能.

摘要： 逆合成孔径雷达(ISAR)目标回波具有明显的稀疏特征,传统的凸优化稀疏ISAR成像算法涉及繁琐的正则项系数调整,严重限制了超分辨成像的精度及便捷程度.针对此问题,该文面向非约束Lasso正则化模型,建立分层贝叶斯概率模型,将非约束的范数正则化问题等效转化成稀疏拉普拉斯先验建模问题,并在分层贝叶斯e1 Lasso模型中建立正则项系数依赖的概率分布,从而为实现完全自动化参数调整提供便利条件.考虑到目标稀疏散射特征和多超参数的高维统计特性,该文应用吉布斯(Gibbs)随机采样方法,实现对ISAR目标稀疏特征的求解,并同步获取包括正则项系数在内的多参数估计.基于该文研究方法可实现全部参数均通过数据学习获得,从而有效避免繁琐的参数调整过程,提升算法的自动化程度.仿真及实测数据均可证明该方法的有效性和优越性.

摘要： 传统主题模型方法很大程度上依赖于词共现模式生成文档主题, 短文本由于缺乏足够的上下文信息导致的数据稀疏性成为传统主题模型在短文本上取得良好效果的瓶颈. 基于此, 本文提出一种基于语义增强的短文本主题模型, 算法将DMM (Dirichlet Multinomial Mixture)与词嵌入模型相结合, 通过训练全局词嵌入与局部词嵌入获得词的向量表示, 融合全局词嵌入向量与局部词嵌入向量计算词向量间的语义相关度, 并通过主题相关词权重进行词的语义增强计算. 实验表明, 本文提出的模型在主题一致性表示上更准确, 且提升了模型在短文本上的分类正确率.

摘要： 针对社会化标签系统下Web资源存在大量潜在知识以及资源之间存在着独立性的问题,提出一种基于线性回归模型的单词加权潜在狄利克雷分布(LDA)的主题识别方法.通过线性回归模型建立任意文本资源之间的拟合函数,使用拟合函数获取每个资源的权重值,解决资源之间存在独立同分布的问题,并对拟合函数的数据点进行加权操作,进而实现语料库中每个单词的加权,最终获得字典单词的权重系数.在单词加权基础上建立单词加权LDA模型,通过吉布斯采样对Web资源的潜在主题进行深入挖掘.实验结果表明,相比传统主题模型,新的单词加权LDA算法在Web资源上具有更好的主题识别效果.

摘要： 供应商选择是一个复杂的多目标决策问题,建立供应商的画像角度是关键所在。面向航天装备领域的供应商选择,综合考虑企业资质管理、经营风险、产品质量对其进行画像,基于贝叶斯理论对画像样本数据实现了多参数联合分布推导。结合推导出的数学模型,提出了一种马尔可夫蒙特卡洛仿真方法,结合吉布斯采样器在数据难以获取或缺失的情况下实现了供应商排名和选择,为航天领域供应商选择提供了一种新的思路。

摘要： 全球化背景下,从不同语种的海量科研文献数据集中自动挖掘隐含主题,精准刻画科研人员研究兴趣是信息服务迈向知识服务的关键问题,也是跨语言信息检索的关键技术之一.目前刻画科研人员兴趣的方法多基于其某一语种的文献,不适用于多语言数据集.本文在作者主题模型和多语言主题模型的基础上提出了多语作者主题(Join-tAT)模型,可从多语言数据集刻画作者兴趣,并给出了一种估计JointAT模型参数的吉布斯采样方法.实验结果表明,JointAT模型与作者主题(AT)模型相比具有更好的泛化能力.

摘要： 针对基于贝叶斯攻击图的概率计算中各个节点条件概率计算的参数设置问题和攻击概率计算缺乏对攻击不确定性、时间以及环境因素考虑的问题,通过扩展贝叶斯攻击图模型和将攻击图和通用安全脆弱性评估系统结合,首先提出了将攻击图和CVSS相结合的攻击概率计算方法.然后提出了针对贝叶斯攻击图的Gibbs采样近似推理方法来降低概率计算的复杂性.最后证明了该方法在增加网络环境模型复杂度同时通过近似推理计算,能较好的适应复杂攻击图的概率计算,有很好的扩展性,并通过实验验证了提出方法的有效性、合理性.

摘要： 针对基于贝叶斯攻击图的概率计算中各个节点条件概率计算的参数设置问题和攻击概率计算缺乏对攻击不确定性、时间以及环境因素考虑的问题,通过扩展贝叶斯攻击图模型和将攻击图和通用安全脆弱性评估系统结合,首先提出了将攻击图和CVSS相结合的攻击概率计算方法.然后提出了针对贝叶斯攻击图的Gibbs采样近似推理方法来降低概率计算的复杂性.最后证明了该方法在增加网络环境模型复杂度同时通过近似推理计算,能较好的适应复杂攻击图的概率计算,有很好的扩展性,并通过实验验证了提出方法的有效性、合理性.

摘要： 针对基于贝叶斯攻击图的概率计算中各个节点条件概率计算的参数设置问题和攻击概率计算缺乏对攻击不确定性、时间以及环境因素考虑的问题,通过扩展贝叶斯攻击图模型和将攻击图和通用安全脆弱性评估系统结合,首先提出了将攻击图和CVSS相结合的攻击概率计算方法.然后提出了针对贝叶斯攻击图的Gibbs采样近似推理方法来降低概率计算的复杂性.最后证明了该方法在增加网络环境模型复杂度同时通过近似推理计算,能较好的适应复杂攻击图的概率计算,有很好的扩展性,并通过实验验证了提出方法的有效性、合理性.

摘要： 针对基于贝叶斯攻击图的概率计算中各个节点条件概率计算的参数设置问题和攻击概率计算缺乏对攻击不确定性、时间以及环境因素考虑的问题,通过扩展贝叶斯攻击图模型和将攻击图和通用安全脆弱性评估系统结合,首先提出了将攻击图和CVSS相结合的攻击概率计算方法.然后提出了针对贝叶斯攻击图的Gibbs采样近似推理方法来降低概率计算的复杂性.最后证明了该方法在增加网络环境模型复杂度同时通过近似推理计算,能较好的适应复杂攻击图的概率计算,有很好的扩展性,并通过实验验证了提出方法的有效性、合理性.

摘要： 针对基于贝叶斯攻击图的概率计算中各个节点条件概率计算的参数设置问题和攻击概率计算缺乏对攻击不确定性、时间以及环境因素考虑的问题,通过扩展贝叶斯攻击图模型和将攻击图和通用安全脆弱性评估系统结合,首先提出了将攻击图和CVSS相结合的攻击概率计算方法.然后提出了针对贝叶斯攻击图的Gibbs采样近似推理方法来降低概率计算的复杂性.最后证明了该方法在增加网络环境模型复杂度同时通过近似推理计算,能较好的适应复杂攻击图的概率计算,有很好的扩展性,并通过实验验证了提出方法的有效性、合理性.

摘要： 本发明公开提供了一种用于人识别的拟吉布斯结构采样的深层置换的方法和装置。所述方法可以包括获得一个以上的输入图像。所述输入图像包括含有兴趣点的图库组和含有人检测的图像的探查组，并且所述一个输入图像对应于一个人。所述方法还可以包括使用深层神经网络从所述输入图像中提取N个特征映射，N为自然数；使用条件随机场图形模型构建所述N个特征映射的N个结构样本；从嵌入在所述N个结构样本中的隐式的共有潜在特征空间中学习所述N个结构样本；并且根据所学习的结构，从包括与图库组中的图像相同的兴趣点的探查组中识别一个以上的图像。

摘要： 本发明公开提供了一种用于人识别的拟吉布斯结构采样的深层置换的方法和装置。所述方法可以包括获得一个以上的输入图像。所述输入图像包括含有兴趣点的图库组和含有人检测的图像的探查组，并且所述一个输入图像对应于一个人。所述方法还可以包括使用深层神经网络从所述输入图像中提取N个特征映射，N为自然数；使用条件随机场图形模型构建所述N个特征映射的N个结构样本；从嵌入在所述N个结构样本中的隐式的共有潜在特征空间中学习所述N个结构样本；并且根据所学习的结构，从包括与图库组中的图像相同的兴趣点的探查组中识别一个以上的图像。

摘要： 本发明公开了一种数字信号处理系统中抑制吉布斯效应的方法，包括：步骤1：将输入信号的首部和尾部进行延展获得首尾延展后的输入信号；步骤2：设计与延展后的输入信号的序列长度相同的延展频域滚降窗；步骤3：加窗处理；步骤4：变换域运算；步骤5：对变换域信号进行降噪处理得到降噪后的变换域信号；步骤6：反变换域运算；步骤7：在降噪后的延展滚降信号中移除延展信号对应的部分，得到降噪后的滚降信号；步骤8：降噪后的滚降信号点除延展频域滚降窗中对应位置的样点，得到降噪后的输出信号。本发明可有效抑制基于离散傅里叶变换的降噪算法中的吉布斯效应，显著提升数字信号处理系统整体性能。

摘要： 本发明提出一种基于贝叶斯更新和吉布斯采样的超声导波多损伤识别方法，所述方法布置三个传感器进行超声导波信号采集,对每个传感器信号分析获得M个损伤直接散射的M个传播时间ToF，并获得各可能组合方式对应的M个3×1的ToF向量；对基于导波传播时间的非线性损伤定位模型中的参数进行线性化处理；然后利用贝叶斯定理求每个参数的条件后验概率分布，利用吉布斯采样对各参数的条件后验分布进行采样，对每个可能组合方式对应的多个ToF向量数据进行吉布斯采样，最终判定样本点离散程度最小且速度参数合理的分组方式为最后识别的损伤位置。本发明可以基于三个传感器ToF信息自动实现超声导波多损伤精确定位。

摘要： 本发明公开了一种改进型吉布斯采样的北斗卫星选择方法，其特征是按如下步骤进行：首先计算出监测点处的北斗可视卫星的方位角和高度角，得到选择n颗北斗卫星的状态矩阵，并将GDOP值作为北斗卫星选择的目标函数；然后利用优化的吉布斯采样算法，搜索能使目标函数值最小的北斗卫星组合，得到最优解，算法中设计的“自适应掠动”改进策略可以避免算法陷入局部最优，更好地收敛到最优的北斗卫星选择方案。本发明将优化的吉布斯采样算法应用于北斗卫星选择过程，充分发挥了吉布斯采样算法复杂度低、收敛速度快、性能良好等先天优点，有效提高北斗卫星选择的质量和效率，具有广阔的应用前景。

摘要： 本发明提供隐式狄利克雷模型的事件驱动的坍缩吉布斯采样方法包括：将数据集中每个单词和对应文档逐一呈现给预设结构神经网络，表示当前单词及表示当前文档的可见层神经元以实时频率根据泊松过程发放电脉冲并沿突触连结传递至隐层；各隐层神经元根据改变的膜内电压计算其实时放电频率并以泊松过程发放电脉冲；根据隐层发放电脉冲方式更新注入隐层神经元的反馈周边抑制信号；从一可见层神经元到一隐层神经元的突触连结强度根据它们发放电脉冲的相对时间差及该突触当前连结强度更新；处理完数据集所有文本为一次迭代，迭代次数达到预设值时从神经网络的参数中提取隐式狄利克雷模型的参数。本方法空间复杂度低、原则上能用于类脑芯片上做低能耗计算。

摘要： 本发明提出一种基于贝叶斯更新和吉布斯采样的超声导波多损伤识别方法，所述方法布置三个传感器进行超声导波信号采集,对每个传感器信号分析获得M个损伤直接散射的M个传播时间ToF，并获得各可能组合方式对应的M个3×1的ToF向量；对基于导波传播时间的非线性损伤定位模型中的参数进行线性化处理；然后利用贝叶斯定理求每个参数的条件后验概率分布，利用吉布斯采样对各参数的条件后验分布进行采样，对每个可能组合方式对应的多个ToF向量数据进行吉布斯采样，最终判定样本点离散程度最小且速度参数合理的分组方式为最后识别的损伤位置。本发明可以基于三个传感器ToF信息自动实现超声导波多损伤精确定位。

摘要： 本发明涉及一种应用于随机点模式有限混合模型吉布斯参数采样方法。本发明方法首先构建随机点模式有限混合模型和构建随机点模式似然函数，然后构建随机点模式有限混合模型参数先验分布，根据模型参数先验分布，得到模型参数的后验分布；最后采用吉布斯采样算法和贝叶斯信息准则相结合的采样算法，估计混合分布中分布元个数以及模型参数值。本发明相较于传统FMM仅描述了数据的特征随机性，随机点模式分布函数还描述了数据的基数随机性；在RPP‑FMM的基础上采用Gibbs采样算法采样样本数据获取模型参数，避免了参数估计可能一直陷入局部极值点，不能得到全局极值点的局面。本发明方法有效提高了建模精度和参数估计精度。

摘要： 本发明公开了一种改进型吉布斯采样的北斗卫星选择方法，其特征是按如下步骤进行：首先计算出监测点处的北斗可视卫星的方位角和高度角，得到选择n颗北斗卫星的状态矩阵，并将GDOP值作为北斗卫星选择的目标函数；然后利用优化的吉布斯采样算法，搜索能使目标函数值最小的北斗卫星组合，得到最优解，算法中设计的“自适应掠动”改进策略可以避免算法陷入局部最优，更好地收敛到最优的北斗卫星选择方案。本发明将优化的吉布斯采样算法应用于北斗卫星选择过程，充分发挥了吉布斯采样算法复杂度低、收敛速度快、性能良好等先天优点，有效提高北斗卫星选择的质量和效率，具有广阔的应用前景。

摘要： 本发明提供隐式狄利克雷模型的事件驱动的坍缩吉布斯采样方法包括：将数据集中每个单词和对应文档逐一呈现给预设结构神经网络，表示当前单词及表示当前文档的可见层神经元以实时频率根据泊松过程发放电脉冲并沿突触连结传递至隐层；各隐层神经元根据改变的膜内电压计算其实时放电频率并以泊松过程发放电脉冲；根据隐层发放电脉冲方式更新注入隐层神经元的反馈周边抑制信号；从一可见层神经元到一隐层神经元的突触连结强度根据它们发放电脉冲的相对时间差及该突触当前连结强度更新；处理完数据集所有文本为一次迭代，迭代次数达到预设值时从神经网络的参数中提取隐式狄利克雷模型的参数。本方法空间复杂度低、原则上能用于类脑芯片上做低能耗计算。