浅谈风险决策中的贝叶斯方法

风险决策存在于诸多的生产和经济活动中。合理的风险决策是尽量对决策中的信息加以有效利用,以控制决策风险。贝叶斯公式能够有效地综合模型信息、数据信息和先验信息等三种信息。文章结合相关实例,讨论了风险决策的贝叶斯方法,给出了如何运用贝叶斯公式对有关信息有效利用,以获得最优决策方案的途径。     

论贝叶斯学习机的学习过程

贝叶斯学习是机器学习研究的一个重要方向,它是以贝叶斯定理为基础,基于已知的概率分布和观察到的数据,并结合先验知识进行推理,作出最优决策的一种概率手段. 本文首先针对参数和变量的不同类型分别给出四种情形的贝叶斯公式,然后结合一个指数分布的特例,研究了贝叶斯学习过程中有关信息的转换过程,指出了如何合理正确地利用先验信息、模型信息和样本信息.     

不完全信息静态古诺博弈的求解方法

在分析了厂商的信息具有随机性的基础上，分别情况给出了两个信息具有随机性的静态古诺博弈模型，并应用概率论的知识，分别求出了这两个模型的贝叶斯均衡．     

基于粗糙集与贝叶斯网络的推理和诊断模型

基于粗糙集知识约简、规则提取的优势和贝叶斯网络强大的推理能力,对决策表进行约简和提取决策规则获取节点关系、节点概率分布等信息,以获取的信息为基础建立贝叶斯网络模型.然后通过贝叶斯网络实现进行高效快速的推理和诊断.实例分析表明,该方法是可行有效的.     

基于灰色人工神经网络组合模型的交通量预测

针对公路远景交通量预测工作中常存在交通量原始数据呈随机性、非线性变化的特点,同时学习样本量较小、信息不充分的问题,充分利用贝叶斯正则化神经网络非线性逼近,良好的泛化能力和无偏GM(1,1)模型的少数据建模,弱化原始数据随机性并增强规律性,消除了传统GM(1,1)模型预测所固有的偏差的优点,建立无偏GM(1,1)-贝叶斯正则化神经网络交通量组合预测模型,并应用于实际交通量预测中.与传统BP预测模型比较,算例结果表明所建模型有效可行,提高了预测精度.     

群组决策加权法

该文给出组决策特征根法的对偶形式－群组决策加权法、ＷＭＧＤ从评分向量的内积的角度考虑问题,直观给出信息阵是否不可约的定,同时给出将可约信息阵修为不可约矩阵的方法和依据,这些结果不仅可以用来弥补ＧＥＭ的不足,而且为贝叶斯群组织决策提供了基础。     

随机信息中系统参数的灰色贝叶斯区间估计研究

在贝叶斯可信区间估计理论基础上,借助于灰色理论研究随机信息下贝叶斯灰色可信区间的估计问题,较传统的方法能够获取更多的有效信息.     

一种动态联盟企业风险概率识别方法

根据动态联盟企业信息具有不确定性的特点,应用贝叶斯网络对企业的风险概率进行识别.通过对贝叶斯网络的构建与分析方法的探讨,用贝叶斯网络描述企业信息变量间的依赖关系,从而识别不同风险发生的概率.仿真结果表明,贝叶斯网络可以有效地描述动态联盟企业不确定信息变量之间的依赖关系,是进行风险概率识别的一种有效方法.     

基于贝叶斯优化注意力机制LSTNet模型的短期电力负荷预测

为更充分挖掘多元负荷序列间的有效信息,从而提高预测精度,提出了一种集成贝叶斯超参数优化算法、注意力机制的长期和短期时间序列网络（long and short-term time-series network with attention,LSTNet-attention）以及误差修正的短期负荷预测模型。首先,构建基于贝叶斯优化的LSTNet-attention模型进行初步预测,利用贝叶斯算法优化模型多个结构参数,降低人工设置参数的随机性,并通过注意力机制合理分配特征权重;然后,通过基于贝叶斯参数优化的极端梯度提升算法(extreme gradient boosting,XGBoost)误差修正模型来挖掘初步预测误差序列中潜在、未被利用的有效信息,进行误差预测和修正,进而得到最终的预测结果。通过使用澳大利亚某地真实负荷数据进行实证分析,实验结果表明,所提预测模型相较于其它模型具有更好的预测效果,可为负荷预测等工作提供一定参考。     

决策支持技术在电能质量监测中的应用研究

基于决策支持技术和贝叶斯判别分析法,提出了基于特征值的电能质量分类方法,该方法使得分类结果通过电能质量实体的治理方式来表达。首先,依据电能质量监测中所涉及的众多指标进行分解,结合参考型特征样本集合和专家经验,形成了针对问题类型的规则决策治理建议库;然后,采用数学变换算法取得电能质量奇异属性对象;最后,基于贝叶斯判别分析法及其问题规则的分析,得出决策建议信息。实例计算结果表明,贝叶斯判别分类方法提高了电能质量测度的适应性,有利于对众多电能质量实体进行及时治理。     

基于三支决策的二阶段分类模型研究

当对三支决策边界域进一步划分时,边界域知识存在划分信息不足,从而导致分类精度不高,针对上述问题提出一种新的基于三支决策的二阶段分类模型(TWD-TP).第一阶段根据贝叶斯规则构建三支决策中样本的条件概率,通过求解最优化损失函数得到所需阈值,然后按照三支决策规则对数据集进行划分.三支决策是基于最小风险贝叶斯决策理论的划分,在其正域、负域中包含一定的误分类样本;在第二阶段通过类标签索引分别将正域、负域中误分样本作为增量信息引入延迟决策域,形成重构边界域,最后对重构边界域进行划分.实验结果表明:所提出的TWD-TP模型不仅能在三支决策划分中筛选出高误分类特征的样本,同时其重构边界域中不能被划分的样本得到正确划分,分类精度进一步提高.     

有补偿二阶段问题的Bayes决策

本文利用Bayes决策观点,对于随机规划中的有补偿二阶段决策问题,定义了Bayes决策准则,并利用样本的信息给出了最优的Bayes决策,讨论了一些相应的性质。     

从数据到决策的大数据时代

根据大数据时代的特点和带来的变化,明确了大数据时代的核心是从数据到决策.对大数据时代兴起的即时决策,从大企业到个人进行全面的分析说明.在数据辅助决策方面,讨论了利用统计方法的辅助决策、从数据中归纳出数学模型、从数据中获取知识等有效方法.大数据与云计算的结合,将会达到相互促进和共同发展.大数据不仅支持大企业和政府的决策,也支持个人的决策.     

战略导向下大型建设企业多项目组合决策模型

在分析大型建设企业的企业战略目标的选择与分析、项目组合的实施过程的基础上,以实现企业整体战略目标和提高核心竞争力为目标,建立战略导向下大型建设企业项目组合决策评价指标体系.综合采用模糊综合评价法与数据包络分析法(DEA),构建战略导向下大型建设企业项目组合决策模型.以某企业近期所承建的5个工程项目为实证,验证了该模型的有效性和科学性.研究结果表明:战略导向下大型建设企业项目组合评价指标体系反映了企业战略与多项目实施的一致性,且该决策模型能够较为科学地对多项目进行组合决策,能有效排除主观因素带来的项目组合决策偏差,为大型建设企业决策者对项目组合的决策提供一个有效的措施和路径.     

Bayes法鉴定武器系统射击精度研究

为了在武器系统鉴定精度指标满足的条件下,减少试验弹药消耗量,降低鉴定成本,给出了一种数学模型和方法：对武器系统射击精度进行仿真,将仿真结果作为系统分析的验前信息,再进行适当规模的实弹试验,将试验结果作为检验子样,根据验前信息和检验子样采用Bayes统计决策方法对武器系统的射击精度进行鉴定。获得了Bayes决策不等式、Bayes决策风险计算公式和验前概率公式。该模型和方法应用于新型武器鉴定之中,降低了武器鉴定成本。     

D-S证据理论在组合导航中的决策判断

在组合导航融合算法中引入证据理论对导航信息进行决策应用,推导出2个传感器信息融合后的结论,并且通过仿真实验得出计算结果。证据理论判断公式在处理具有证据冲突的相关信息时引入不确定熵的概念。证据理论算法通过不确定熵在加权合成算法和乘权合成算法之间作适度的折中判断。这种改进的证据理论方法可以分析组合导航信息融合算法中存在的问题,并给出最后的决策执行命令。     

竞争型城市供水企业效率博弈分析

城市供水企业提供的产品具有准公共物品的属性,从而决定了在这个领域可以引入竞争．竞争型企业则以企业自身利益最大化作为经营目标、利用博弈论和贝叶斯的方法,先建立一个非完全信息动态博弈模型,分析竞争型企业的行为,然后利用贝叶斯方法对企业行为进行预测判断,得出在某些条件下,竞争型企业介入城市供水领域对社会而言是一种有效率的动态组织演进形式。     

数据仓库技术与分析工具的研究

作为数据库技术的一个新的发展方向,BW技术与DB技术的结合产生的集成、一致的环境,将使企业在决策中更快地获得更准确的信息.本文着重阐述了数据仓库的基本概念、特征和体系结构,并介绍了使BW作用得以发挥的决策支持工具.     

有预报的贝叶斯决策分析

利用贝叶斯定理可以通过预报所增加的信息来改善状态的先验概率分布，使决策者能利用更多的信息来作出最优决策。     

存储优化决策支持系统的研究与开发

存储优化决策支持系统的开发是以企业中与企业经济效益密切相关的存储问题为主要内容,以存储优化决策为主要研究对象,以运筹学中的存储论、管理经济学、管理会计学等为基础,以计算机技术为手段开发出针对企业中的存储决策问题的决策支持系统,帮助企业中高层管理者进行存储优化决策的专用决策支持系统。以存储优化决策系统的研究和开发为背景,介绍了已有存储优化管理系统的有关情况,着重阐述了系统的开发和系统的应用,并指出了系统开发成功的意义。