基于参数的贝叶斯先验选择方法

在一个参数的可选先验分布类中选择一个合理先验的问题,类似于从参数空间中估计一个恰当参数的问题．基于这一观点,利用贝叶斯分析的后验分布理论,先求出参数的后验分布,再根据后验分布中各个先验的相对似然选取似然最大的先验为合理先验,从而建立了一个基于参数的后验分布的先验选择方法,它是ML-Ⅱ先验的一个拓广．     

贝叶斯网络中的贝叶斯学习

从机器学习的角度研究贝叶斯方法及其学习机制,着重讨论了具有完整数据,不完整数据集,及在结构不确定时贝叶斯网络进行学习的方法,表明贝叶斯网络在数据采掘中是一个有力的工具。文中给出一个基于贝叶斯网络的学习的实例。     

贝叶斯网络学习算法研究

贝叶斯网络是一种概率图形模型,它提供了不确定性环境下的知识表示、推理、学习手段,可以完成决策、诊断、预测、分类等任务,已广泛应用于数据挖掘、语音识别、工业控制、经济预测、医疗诊断等诸多领域。贝叶斯网络将概率理论和图论相结合,为解决不确定性问题提供了一种自然而直观的方法。在对贝叶斯网络全面概述的基础上,深入研究了贝叶斯网络的结构学习。     

贝叶斯网络中的贝叶斯学习

从机器学习的角度研究贝叶斯方法及其学习机制,着重讨论了具有完整数据、不完整数据集,及在结构不确定时贝叶斯网络进行学习的方法,表明贝叶斯网络在数据采掘中是一个有力的工具,文后给出一个基于贝叶斯网络的学习的实例。     

基于先验的贝叶斯先验选择方法

在一个参数的可选先验类中选择一个合理的先验问题,类似于从参数空间中估计一个恰当参数的问题.基于这一观点,利用贝叶斯分析的后验分布理论,先得出先验的后验分布计算方法,再根据先验的后验分布确定出合理的先验,从而建立了一个基于先验的贝叶斯先验选择方法,它是ML-Ⅱ先验的一个拓广.     

基于动态贝叶斯网络的公路交通事件算法

利用贝叶斯后验概率函数,通过不断改进有关事件发生概率的权值,充分逼近真实值．其中,对于有关参数数值的获取,我们利用Gibbs抽样,通过随机模拟,即Markov Chain Monte Carlo（MCMC）的方法,来近似得到,尽管是近似,却有很高的精确度．最后,我们用这个方法做了一个交通事件的例子,表明效果很好．     

贝叶斯网络研究综述

贝叶斯网络将概率理论和图论相结合,为解决不确定性问题提供了一种自然而直观的方法.近年来,贝叶斯网络已成为国内外智能数据处理的研究热点之一,被广泛应用于专家系统、决策支持、模式识别,机器学习和数据挖掘等领域.综述了贝叶斯网络的典型推理和学习算法,并对其进一步的研究方向进行了展望.     

圆参数的贝叶斯估计

用贝叶斯方法解决圆相邻角已知的情况下的参数估计,并得出圆半径的后验分布和置信区间。     

受电弓系统可靠性评估的超椭球贝叶斯网络方法

针对受电弓系统复杂多态特性以及故障概率难以精确表达的问题,且现有研究主要滞留于结合证据理论的模糊贝叶斯网络的现状,首次将超椭球贝叶斯网络引入受电弓可靠性分析中,规避了模糊贝叶斯网络区间取极值的情况,使得根节点的概率取值区间进一步被界定;进而以超椭球贝叶斯网络求解受电弓系统在不同故障状态下的叶节点故障率、灵敏度、后验概率等可靠性参数,找出了影响系统可靠性的高风险事件.经与模糊贝叶斯网络对比可知,超椭球贝叶斯网络区间更小,验证了新方法的正确性与实用性.     

用于决策支持的贝叶斯网络

联机分析处理只能用于决策的表层知识,数据采掘却能提供深层次的知识,即提供数据内部所隐藏的有用知识,贝叶斯网络是数据采掘的一个非常有效的工具,它能够定性和定量地分析属性之间的依赖关系,并进行概率推理。     

贝叶斯网结构学习的研究现状及发展趋势

目前,在结构已知情况下,贝叶斯网的参数学习算法及数据完备时的贝叶斯网的结构学习算法比较成熟,但是从不完全数据中学习贝叶斯网结构比较困难;文章简要介绍前者,重点分析了在不完备数据条件下结构学习的难点,对现有的学习算法进行了深入的研究和比较,对该领域的研究趋势进行了展望。     

受限参数空间上的置信区间

当参数限制在某一范围内并服从一致的分布，且多余参数未知时，其贝叶斯置信区间有很高的置信概率。本文提出了利用随机变量的均值来计算置信区间的方法，并对上述结论进行了充分的检验，结果显示在更短的置信区间上仍然有很高的置信概率。     

正态线性单方程计量经济模型的Bayes统计推断

该文研究了如何利用Bayes方法来建立正态线性计量经济模型 :Y =Xβ U ,U ～N( 0 ,σ2 In) ,分别讨论了在二次损失函数下σ2 已知时 ,β的Bayes估计和σ2 未知时 ( β ,σ)的Bayes估计。与 β或 ( β ,σ)的经典统计估计相比较 ,由于Bayes方法融合了样本信息和参数的先验信息 ,其Bayes估计的精度更高。     

增长曲线模型关于共轭先验的BAYES分析

从贝叶斯观点利用共轭先验考查了增长曲线模型。得到了参数τ和协方∑的边缘后验分布,并在此基础上给出τ的后验估计、估计域和∑的后验估计。     

(x1,x2,x3)～M(n;P1,P2,P3)的BAYES检验

设（x1,x2,x3）服从参数为（P1，P2，P3）的多项分布，在使用Bayes方法时，我们选择先验分布为无信息先验，从而求出每个假设的后验概率．     

指数平均寿命的Bayes估计关于先验分布的稳健分析

讨论了指数平均寿命的Bayes估计及其后验平均损失,关于先验分布的稳健性。本文所考虑的先验分布类是限制了均值和方差的共轭先验分布类。最后,给出了有关结果的数值计算例子。     

贝叶斯分析中先验分布优选的方法

在一个参数的可选先验分布类中选择一个最优先验密度的问题,类似于从参数空间中估计一个恰当参数的问题,或类比为从决策类中选择出最优决策的问题.从这一角度出发,就可以借助统计学中已有方法,建立一套关于先验分布选取的合理方法,同时能估计其精度.     

课堂教学评估的多层次贝叶斯网络分类器方法

课堂教学是为实现一定的教学目标而展开的信息传递、过程控制和策略实施过程.依据课堂教学的特点给出了课堂教学评估的指标体系,并在此基础上建立了课堂教学评估的层次贝叶斯网络分类器模型.为提高分类器的分类识别准确率,在连续属性中引入形状参数,实验结果显示,通过形状参数的优化能够显著提高分类器的分类识别可靠性.