-
题名用于战术意图识别的动态序列贝叶斯网络
被引量：31
- 1
-
-
作者
葛顺
夏学知
-
机构
哈尔滨工程大学计算机科学与技术学院
武汉数字工程研究所
-
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2014年第1期76-83,共8页
-
基金
"十二五"国防预研重点项目(1010105020101)资助课题
-
文摘
针对意图规划过程的层次性和序列性,提出了序列贝叶斯网络(series Bayesian network,SBN)模型,并将动态贝叶斯网络(dynamic Bayesian network,DBN)模型和SBN模型结合起来,构建了动态SBN(dynamic SBN,DSBN)模型进行规划识别,模型的DBN部分用于由特征序列推理元意图,SBN部分用于由序列意图逐层推理父意图。推导了模型的算法,分析了模型在规划识别问题中的表达和推理能力。实验表明,DSBN模型能够有效根据特征序列识别战术意图。
-
关键词
序列贝叶斯网络
动态贝叶斯网络
规划识别
战术意图
-
Keywords
series Bayesian network （sbn）
dynamic Bayesian network （DBN）
plan recognition
tactical intention
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于同步性脑网络的支持张量机情绪分类研究
被引量：2
- 2
-
-
作者
黄丽亚
苏义博
马捃凯
丁威威
宋传承
-
机构
南京邮电大学电子与光学工程学院微电子学院
南京邮电大学贝尔英才学院
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2020年第10期2462-2470,共9页
-
基金
国家自然科学基金(61977039)。
-
文摘
一直以来,情绪是心理学、教育学、信息科学等多个学科的研究热点,脑电信号(EEG)因其客观、不易伪装的特点,在情绪识别领域受到广泛关注。由于人类情绪是大脑多个脑区相互作用产生的,该文提出一种基于同步性脑网络的支持张量机情绪分类算法(SBN-STM),该算法采用相位锁定值(PLV)构建了同步性脑网络,分析多导联脑电信号之间的同步性和相关性,并生成2阶张量序列作为训练集,运用支持张量机(STM)模型实现正负情绪的二分类。该文基于DEAP脑电情绪数据库,详细分析了同步性脑网络张量序列的选取方法,最佳张量序列窗口的大小和位置,解决了传统情绪分类算法特征冗余的问题,提高了模型训练速度。仿真实验表明,基于支持张量机的同步性脑网络分类方法的情绪准确率优于支持向量机、C4.5决策树、人工神经网络、K近邻等以向量为特征的情绪分类模型。
-
关键词
情绪分类
同步性脑网络
支持张量机
相位锁定值
-
Keywords
Emotion classification
Synchronous Brain network(sbn)
Support Tensor Machine(STM)
Phase Locking Value(PLV)
-
分类号
TN911.7
[电子电信—通信与信息系统]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于角色控制的天基网带宽分配方法
- 3
-
-
作者
张登银
童振彦
-
机构
南京邮电大学计算机学院
-
出处
《计算机应用》
CSCD
北大核心
2010年第7期1746-1749,共4页
-
基金
国家863计划项目(2008AA701202
2009AA701202)
-
文摘
针对天基综合信息网(SBN)稳定性比较差的缺点,提出一种基于角色控制的动态带宽分配算法(RCBA),基站将服务连接的带宽请求按照优先级分类,在设定预留带宽的基础上允许抢占带宽。仿真实验表明,相比传统带宽分配算法,RCBA算法降低了时延,减少了丢包率,较好地满足了天基网的应用需求。
-
关键词
天基网
角色控制
预留带宽
动态带宽分配
区分服务
-
Keywords
space-based network（sbn）
role control
reservation bandwidth
Dynamic Bandwidth Allocation（DBA）
DiffServ
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于模糊贝叶斯网络的工程项目进度完工概率分析
被引量：7
- 4
-
-
作者
陈瑞
黄建文
-
机构
三峡大学科技学院土木水电学部
三峡大学水利与环境学院
-
出处
《水电能源科学》
北大核心
2018年第6期167-170,共4页
-
基金
湖北省自然科学基金项目(2014CFB670)
湖北省建设科技计划项目(KJ2016QT012)
-
文摘
随着建设工程复杂程度的提升,工程建设风险越来越大,进度风险对工程效益的影响越来越明显。为了给工程项目的决策者提供进度风险决策依据,提出基于模糊贝叶斯网络的工程项目进度完工概率分析模型。先根据专家的模糊语言描述及积分值法确定根节点的概率和各父节点的条件概率,然后将其运用到贝叶斯网络推理计算网络计划完工概率,最后将该模型应用于实例中,并运用NETICA对网络计划进行推理分析,从而验证了模型的可行性和有效性。
-
关键词
模糊集
进度贝叶斯网络
模糊完工概率
进度风险
-
Keywords
fuzzy sets
Schedule Bayesian network（sbn）
fuzzy completion probability
schedule risk
-
分类号
TU721
[建筑科学—建筑技术科学]
-
