应用BDLM的桥梁非均匀极值应力动态预测

为动态预测桥梁结构的非均匀极值应力信息，采用桥梁监测系统的极值应力数据，建立非均匀极值应力的贝叶斯动态线性模型. 考虑到BDLM初始状态概率分布的多样性，引入K-L信息测度来选择最优分布函数，并采用折扣因子、单一贝叶斯因子和累积贝叶斯因子对BDLM进行监控，实现极值应力分布参数的一步向前预测. 最后通过工程实例验证了所建模型和方法的合理性.     

基于ARMA-稀疏贝叶斯模型的汇率预测研究

文章基于ARMA模型和稀疏贝叶斯模型,提出了ARMA-稀疏贝叶斯模型,充分利用ARMA模型和稀疏贝叶斯模型在线性模型及非线性模型预测中的优势,将收益率序列分解为线性自相关主体和非线性残差2个部分,然后用ARMA模型对线性自相关主体数据进行预测估计,用稀疏贝叶斯模型对非线性残差进行预测估计,最后合成人民币兑美元日汇率中间价序列预测结果。研究结果证明,运用所建模型预测人民币日汇率中间价和上证指数收盘价,均取得了较好的效果。     

矩阵损失下贝叶斯线性无偏估计及其稳健性

证明了,在一般线性模型中,未知参数在二次损失下的贝叶斯线性无偏估计也是矩阵损失下的贝叶斯线性无偏估计.讨论了贝叶斯线性无偏估计关于误差分布的稳健性,给出了未知参数的贝叶斯线性无偏估计是最优估计的充分必要条件.     

贝叶斯动态线性模型的组合预测

组合预测就是将随机变量或向量的点预测进行组合，这些预测是根据几个模型所给出的，一般的方法是求这些点预测的算法平均值。本文给出的是根据模型的预测精度确定权的贝叶斯动态线性模型的组合预测，它的预测精度比取算术平均值的预测精度高。     

一般正态线性回归模型岭估计的贝叶斯推广

本文讨论了一般正态线性回归模型的参数岭估计问题，从贝叶斯方法出发给出了岭估计在解决相关问题时的一种合理性的解释，并且将贝叶斯方法在特殊正态线性模型中的应用推广至更一般的正态线性回归模型．     

峰度与偏度系数的近似经验贝叶斯估计

建立了单样本数据的贝叶斯模型,给出了偏度系数和峰度系数的线性贝叶斯估计及近似信度估计.进而,将模型推广到多样本数据模型下,并讨论了近似信度估计的统计性质,比较了贝叶斯估计、线性贝叶斯估计及近似信度估计的均方误差.最后,给出了超参数的估计,得到了近似信度估计的经验贝叶斯估计,使该估计可直接运用于实际问题.     

桥梁监测数据的动态线性建模与可靠性预测

引入贝叶斯动态线性模型(BDLM),建立桥梁监测应力的状态方程和观测方程,并利用贝叶斯因子监控监测应力.通过监测应力和应力状态的先验信息,对监测应力的状态参数进行贝叶斯后验概率推断,并不断进行"概率预测-修正"递推运算,获得最优监测应力的状态概率估计来预测桥梁的应力.基于贝叶斯动态修正的应力概率模型,建立桥梁结构可靠性的预测公式.最后,通过实例验证了本文所建模型的合理性和适用性.     

桥梁极值应力的贝叶斯动态耦合线性预测

基于含有趋势性和随机性的监测极值应力时间序列数据,进行了桥梁极值应力的贝叶斯动态耦合线性预测。将历史监测耦合极值应力数据解耦,建立解耦极值应力的动态耦合线性模型(DCLM),并将其分解为有限个动态线性模型(DLMs)。基于动态监测的解耦极值应力数据,结合贝叶斯方法,进行动态耦合线性模型的概率递推,进而实现桥梁解耦极值应力的动态预测,并将预测的解耦极值应力进行相加,即可实现桥梁极值应力的动态预测。最后,通过在役桥梁的含有随机性和趋势性的监测极值应力数据,利用ARIMA(auto-regressive integrated moving average)模型,验证了所提方法的合理性与有效性。     

BDLM中参数Wt的E.W.R.确定方法

利用指数加权回归（Ｅ．Ｗ．Ｒ．）给出一种确定贝叶斯动态线性模型（ＢＤＬＭ）参数Ｗｔ的方法。     

单变量时间序列DLM的Gibbs Sampling方法

应用Gibbs Sampling对线性动态模型进行贝叶斯推断，与以往不同，这种方法是在给定其它变量情况下，同时产生出所有的状态向量。本文主要对此方法的滤波过程进行了改进，使其更加简洁。     

基于半定性贝叶斯网络的建模方法研究

在定性贝叶斯网络的基础上,提出一种既包含定性符号信息,又包含概率分布定量信息的半定性贝叶斯网络,用以集成多个专家的知识和经验,通过一个与专家反复交互的过程,构建出相关问题领域的稳定的贝叶斯网络模型。提出利用区间数来统一表达多个专家的定性或定量的判断意见,给出了在半定性贝叶斯网络中进行概率推理的区间数传播算法,并通过算例验证其有效性。     

用于预测的贝叶斯网络

通过示例给出了贝叶斯网络的构造方法，概括了贝叶斯网络的特点及贝叶斯网络学习的内容与过程，同时给出了离散型贝叶斯网络的预测公式。贝叶斯网络学习主要有三个基本环节，其一是确定变量集和变量域；其二是确定贝叶斯网络结构；其三是确定局部概率分布。贝叶斯网络是描述变量之间定性与定量依赖关系的图形模式，是进行数据联合分析与预测的有力工具。     

基于Bayesian的二叉树期权定价模型

衍生证券中期权的合理定价是困扰着投资者的一个难题,在用二叉树模型进行定价时,模型中波动率的周期间隔是很难确定的,但又是必须面对的问题,相关公司都有自己独到的确定时期间隔的方法.一般对前期的信息和类似股票或相关证券的信息被忽略,这样的处理使我们不能充分利用相关的信息从而不能更加准确的对期权进行定价.利用Bayesian理论和二叉树模型,综合先验信息和人们对期权的已有知识,对期权进行了定价.探讨了基于Bayesian的Binary-tree期权定价模型,使股票的收益率服从正态分布.     

正态均值的Bayes估计

本文在已知正态分布N(θ,σ~2)的方差α~2以及均值θ的下限θ_L和上限θ_U的条件下,针对均值θ的点估计问题,给出一种构造先验分布的方法,由此所求得的Bayes的估计在Bayes准则下优于通常经典统计中的估计x。     

贝叶斯诊断网络平台的开发与实现

针对贝叶斯诊断网络在实际应用时需要对具体对象建立相应诊断网络的问题,开发了一个贝叶斯诊断网络平台.重点讨论了网络的数字化、网络拓扑顺序的确定和赌轮选择等平台实现的3个关键问题.采用数字形式来描述网络的拓扑模型,刻画了网络的全部信息.节点间的关系则用关系矩阵简洁、直观地予以表达,并据此确定网络的拓扑顺序.利用赌轮的选择功能,实现了网络节点状态的实例化.该平台简单易用,为网络的建立和推理提供了一个有效、便利、通用的运行环境.利用该平台为天津石化炼油厂的一台烟机建立了贝叶斯诊断网络,实例表明,该平台能够用于贝叶斯诊断网络的构建和推理,也为贝叶斯诊断网络的工程应用提供了一个有力的工具.     

一类新的损失函数下负二项分布模型的Bayes可靠性分析

在一类新的加权平方损失函数下,给出了负二项分布可靠度的Bayes和多层Bayes估计,并利用E Bayes方法给出了负二项分布可靠度的E Bayes估计.针对得到的3种估计,给出了数值模拟,结果表明:E Bayes估计比多层Bayes估计优良.     

音频贝叶斯谐波模型中参数的提取

由于音乐信号具有暂态特性、夹杂噪声、且它的基频在频域上具有复杂的结构,因此分析音乐信号是一项复杂的工作.本文在分析音乐信号时引入了音频贝叶斯谐波模型,并在此基础上提出了一个基于贝叶斯谐波模型的简化模型,然后采用可逆跳转蒙特卡罗(RJMCMC)采样算法对此模型中基频参数和谐波幅度进行了估计,仿真结果表明该算法取得了较好的效果.     

基于语义理解的Bayesian-Boosting情感分类

提出将语义理解与统计学方法相结合的机器学习算法来进行文本情感分类。首先提取文本中的情感词汇作为特征,利用统计学方法得到特征的初始权重,然后通过分析文本语义结构修改特征权重,最后利用Bayesian算法和以Bayesian作为基本分类算法的Boosting算法进行分类。实验表明,基于语义理解的Bayesian分类算法的分类准确率高于仅基于统计学的Bayesian分类算法,基于语义理解的Bayesian-Boosting算法的分类准确率最高,达到了90%。     

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。     

一种对称损失函数下几何分布参数的Bayes估计

研究在一种对称损失函数下,几何分布参数的Bayes估计、多层Bayes估计,并讨论Bayes估计的可容许性及置信下限.