混凝土重力坝的自振频率包含结构整体和局部健康状态信息。基于自振频率来监控混凝土重力坝的健康状态,需要建立各种环境变量与各阶自振频率之间的复杂非线性映射关系,建模过程充满了不确定性。为此,该文通过亲和力传播(affinity propag...混凝土重力坝的自振频率包含结构整体和局部健康状态信息。基于自振频率来监控混凝土重力坝的健康状态,需要建立各种环境变量与各阶自振频率之间的复杂非线性映射关系,建模过程充满了不确定性。为此,该文通过亲和力传播(affinity propagation,AP)算法对模态稳定图进行聚类分析来实现模态参数的自动识别,通过环境量对自振频率影响规律的机理分析,并引入贝叶斯模型平均(Bayesian model averaging,BMA)技术来建立混凝土重力坝自振频率的安全监控模型,将模型自身不确定性考虑在内,可以自动平衡模型的复杂度与拟合程度,从而确定出对预测真正有贡献的输入变量。实际工程应用表明,采用基于BMA的混凝土重力坝自振频率安全监测模型,可以准确地模拟结构频率与环境量之间的映射关系,从而使总体模型具有更加准确的预测效果,能够很好地应用于混凝土重力坝安全性能监测,具有良好的工程应用前景。展开更多
随着互联网和电子商务的蓬勃发展,网络购物成为人们生活的常态。精准预测用户的网络购物行为,能为相关行业提供有价值的决策参考。基于此,文章基于集成学习法进行预测,为改进传统Stacking模型中只能结合基分类器预测结果的情况,在构建St...随着互联网和电子商务的蓬勃发展,网络购物成为人们生活的常态。精准预测用户的网络购物行为,能为相关行业提供有价值的决策参考。基于此,文章基于集成学习法进行预测,为改进传统Stacking模型中只能结合基分类器预测结果的情况,在构建Stacking模型时融入贝叶斯模型平均(bayesian model averaging,BMA),体现各基分类器对预测结果的贡献程度,有效结合多个模型优势。利用累积重要性筛选出有代表性的特征变量,评估模型性能以确定合适的基分类器组合,并结合逻辑回归元学习器构建最终的Stacking模型,基于构建好的模型融合BMA进行预测。实验结果表明,融入BMA后的Stacking模型预测用户网络购物行为效果较好。展开更多
目前基于多尺度分解的图像融合算法存在以下问题:1)多尺度分解时,图像边缘被平滑;2)融合结果中红外显著区域的对比度降低;3)小尺度细节受到抑制,在融合图像中显示不清晰。为解决上述问题,本文提出了一种基于BMA(Bayesian model averagi...目前基于多尺度分解的图像融合算法存在以下问题:1)多尺度分解时,图像边缘被平滑;2)融合结果中红外显著区域的对比度降低;3)小尺度细节受到抑制,在融合图像中显示不清晰。为解决上述问题,本文提出了一种基于BMA(Bayesian model averaging)滤波器和边缘的图像融合算法。首先,利用BMA滤波器分别对红外与可见光图像进行多尺度分解;其次,分别利用显著性提取和边缘权值映射算法,计算各基层和细节层的融合权值矩阵;最后通过图像重构获得融合图像。实验证明,该融合算法优于传统的图像融合算法。展开更多
文摘混凝土重力坝的自振频率包含结构整体和局部健康状态信息。基于自振频率来监控混凝土重力坝的健康状态,需要建立各种环境变量与各阶自振频率之间的复杂非线性映射关系,建模过程充满了不确定性。为此,该文通过亲和力传播(affinity propagation,AP)算法对模态稳定图进行聚类分析来实现模态参数的自动识别,通过环境量对自振频率影响规律的机理分析,并引入贝叶斯模型平均(Bayesian model averaging,BMA)技术来建立混凝土重力坝自振频率的安全监控模型,将模型自身不确定性考虑在内,可以自动平衡模型的复杂度与拟合程度,从而确定出对预测真正有贡献的输入变量。实际工程应用表明,采用基于BMA的混凝土重力坝自振频率安全监测模型,可以准确地模拟结构频率与环境量之间的映射关系,从而使总体模型具有更加准确的预测效果,能够很好地应用于混凝土重力坝安全性能监测,具有良好的工程应用前景。
文摘随着互联网和电子商务的蓬勃发展,网络购物成为人们生活的常态。精准预测用户的网络购物行为,能为相关行业提供有价值的决策参考。基于此,文章基于集成学习法进行预测,为改进传统Stacking模型中只能结合基分类器预测结果的情况,在构建Stacking模型时融入贝叶斯模型平均(bayesian model averaging,BMA),体现各基分类器对预测结果的贡献程度,有效结合多个模型优势。利用累积重要性筛选出有代表性的特征变量,评估模型性能以确定合适的基分类器组合,并结合逻辑回归元学习器构建最终的Stacking模型,基于构建好的模型融合BMA进行预测。实验结果表明,融入BMA后的Stacking模型预测用户网络购物行为效果较好。
文摘目前基于多尺度分解的图像融合算法存在以下问题:1)多尺度分解时,图像边缘被平滑;2)融合结果中红外显著区域的对比度降低;3)小尺度细节受到抑制,在融合图像中显示不清晰。为解决上述问题,本文提出了一种基于BMA(Bayesian model averaging)滤波器和边缘的图像融合算法。首先,利用BMA滤波器分别对红外与可见光图像进行多尺度分解;其次,分别利用显著性提取和边缘权值映射算法,计算各基层和细节层的融合权值矩阵;最后通过图像重构获得融合图像。实验证明,该融合算法优于传统的图像融合算法。
