基于多变量高斯过程模型的贝叶斯建模与稳健参数设计

针对模型预测偏差和波动的稳健参数设计问题,在多变量高斯过程(multivariate Gaussian process,MGP)建模的框架下,结合质量损失函数和非线性优化约束方法构建一个新的多响应优化模型.首先,利用成对估计方法获得超参数近似值,构建多变量高斯模型;其次,结合MGP模型特征,构造充分考虑响应波动因素的质量损失函数.利用蒙特卡罗模拟方法,获得响应落入指定区间的期望概率;然后,以期望概率为约束,结合本文所提质量损失函数建立优化模型;最后,利用全局优化算法进行寻优,获得考虑响应期望概率的优化结果.实际案例和软件仿真表明,该方法综合权衡了预测偏差和预测波动引起的不确定性对优化结果的影响.获得了兼顾质量损失和期望概率最优均衡解,从而实现稳健参数设计.     

双层稀疏贝叶斯学习ISAR超分辨成像算法

传统贝叶斯成像常采用拉普拉斯分布进行成像特征表征，易使得成像结果过稀疏而容易丢失部分弱散射的结构特征，进而影响逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像精度提升。为实现高精度ISAR超分辨成像，本文采用伯努利-拉普拉斯混合稀疏先验对目标统计特性进行概率建模，利用双层稀疏对目标先验进行统计约束，从而有效模拟目标散射场统计先验。并在贝叶斯层级模型下，通过引入隐变量建模的方式对先验进行分层构建，在解决先验分布与高斯似然函数不共轭问题的同时简化贝叶斯推断，降低模型复杂度。为避免繁琐的手动参数调整，实现超参数的自调节，本文对各随机变量建立条件概率依赖模型，并利用马尔可夫链蒙特卡罗随机模拟估计算法解决高维积分和后验分布难以求解的问题，实现相关超参数的统计估计，提升算法自学习能力。仿真和实测数据均证明本文所提方法具有有效性和优越性。     

基于MCMC模拟的Gamma过程先验模型及其可靠性应用

在比例危险率回归模型中以传统的参数方法给出回归系数的参数先验;在基准危险率函数为分段指数分布的条件下,通过引入增量的Gamma过程给出基准危险率的非参数先验过程;并由此构建出一种半参数贝叶斯比例危险率回归模型。通过运用基于Gibbs抽样的MCMC方法动态模拟出相关参数后验分布的马尔可夫链,给出随机截尾条件下模型参数的贝叶斯估计;利用BUGS软件包进行建模仿真分析的结果,特别是与参数回归模型结论的比较,证明了该模型在可靠性应用中的直观性与有效性。     

利用先验信息修正经典限的可靠性评估方法

讨论可靠性评估中利用先验信息的问题 .在参数先验分布容易确定的场合 ,可利用先验信息对参数的经典估计进行修正 (即给出 Bayes估计 ) ,再基于该估计用经典的 WCF方法给出系统可靠度的置信下限 .该方法具有很好的精度 ,并克服了纯 Bayes方法受先验偏差影响较大的缺点 .文章对上述进行了补充 ,讨论了指数定时截尾数据情形下利用先验信息的可靠性评定问题 .给出了一种融合先验信息和试验数据的参数估计 ,该估计的特点是具有独立和的形式 ,基于该估计用 WCF法比基于通常的 Bayes估计简单 .另外 ,对参数先验分布难以确定的多参数寿命分布模型 (如 Weibull分布 ,本文在仅知其可靠度先验分布或可靠度先验一阶、二阶矩及可靠度的某先验分位点的条件下 (事实上工程专家较易给出上述可靠度的有关先验信息 ) ,将 Bayes,Fiducial及经典统计方法相结合 ,用可靠度的先验信息直接对可靠度的经典限作修正以获得融合了先验信息及试验数据的置信下限 ,模拟表明该种处理具有很好的精度 ,适合工程应用.     

信息不完备小样本条件下离散DBN参数学习

针对信息不完备小样本条件下离散动态贝叶斯网络参数学习问题,提出约束递归学习算法。该方法通过前向算法建立含有隐藏变量的离散动态贝叶斯网络参数递归估计模型,以当前时刻网络参数为变量,构建均匀分布表示的先验参数约束模型。在此基础上利用优化算法获得近似的Beta分布,将该分布下的先验参数信息加入递归估计模型中完成参数学习。通过无人机动态威胁评估模型验证了该方法的有效性和精确性。     

基于G-M法和重要抽样法的PLP强度函数的Bayesian预测分析

在多种无信息先验下, 将Gibbs抽样与Metropolis-Hastings算法混合的方法和重要抽样法应用于幂律过程强度函数的Bayesian预测分析, 简化Bayesian分析同时还能方便地给出强度函数及其函数的Bayes估计和区间分析. 所给预测方法不仅能预测幂律过程的未来强度, 同样适用于当前强度的预测. 在用具有精确解的数值模拟算例充分验证了文中方法的可行性、合理性和有效性之后, 将其应用于一个实例分析, 并就无信息先验中参数的选取给出一些建议.     

Burr-ⅩⅡ部件可靠性指标的贝叶斯估计

基于逐步增加Ⅱ型截尾样本,讨论了Burr-ⅩⅡ分布的Bayes估计及其性质.在不同的先验分布及刻度平方误差损失函数下给出了参数,可靠度函数以及失效率函数的Bayes估计,并证明了估计的容许性.最后运用Monte Carlo方法对各结果的MSE进行了模拟比较.结果表明,本文给出的估计结果精度高.     

我国商业车险奖惩系统的构建与评价

在商业车险定价中,通常根据保单的先验风险特征信息建立广义线性模型来厘定先验费率,然后根据保单的历史索赔信息应用奖惩系统对先验费率进行调整.本文基于一组商业车险保单2010-2015年的索赔次数数据,分别在泊松-伽马分布假设和负二项-贝塔分布假设下构建了奖惩系统,运用贝叶斯方法和极大似然法估计了模型参数,测算了奖惩系数,并与我国现行的奖惩系数进行了比较.实证研究结果表明,我国现行奖惩系统的设计结构比较单一,对保单经验索赔信息的使用不充分,且奖惩幅度过于温和.本文构建的奖惩系统充分利用了保单的先验风险特征信息与历史索赔信息,有效避免了对保单的重复性奖励和惩罚,提高了费率厘定结果的准确性和合理性.     

基于虚拟失效序列样本的系统实时可靠性研究

针对一类不能获得足够数量的试验和现场使用数据的复杂系统,提出Monte Carlo(MC)实时可靠性估计方法.以系统部件失效时间序列作为样本空间,应用MC法仿真产生更多的虚拟样本,建立了虚拟样本序列下系统实时可靠性估计的一般框架,并研究了MC估计的期望和方差与先验信息之间的关系,得到了具有包含关系的信息条件下,基于较少先验信息的估计的方差不超过拥有更多先验信息的估计的方差.考虑所有部件失效时间序列和导致系统失效的部分部件失效时间序列的先验信息,分别导出了系统实时可靠性模型.最后,通过算例分析,验证了本文不同先验信息下可靠性模型的有效性和方法的合理性.     

基于双层规划的普通克里金插值方法研究

采用双层规划描述了普通克里金法中理论变异函数模型参数求解问题.针对传统变异函数模型参数求解过程中容易受人为不确定性因素影响的问题,建立了以交叉验证统计结果最优和个体样本满足最优无偏线性估计为目标的双层规划模型,并给出了相应的求解方法.该方法根据交叉验证结果优化调整上层系统随机给定的变异函数模型参数,可以减少变异函数模型参数求解过程中人为不确定等因素的影响,从而可以获得合理的理论变异函数模型参数和较好的空间插值结果最后,以土壤pH值为例,通过与加权最小二乘法比较验证了采用该方法的有效性和合理性.     

熵损失函数下广义指数分布的可靠性估计

在广义指数分布场合下, 讨论了其参数、可靠性指标的估计及性质. 基于熵损失函数, 在共轭先验分布下, 通过对分布函数进行变换, 获得了该分布参数、可靠性指标的 UMVUE、最小风险同变估计、Bayes 估计和经验 Bayes 估计, 并证明了形如 [cT(x) + d]^-1 的一类估计的容许性. 最后运用 Monte-Carlo 方法对各种估计的 MSE 进行了模拟比较. 结果表明, 经验贝叶斯估计精度较高.     

基于分布估计算法的备件优化配置

分布估计算法是一类新的进化算法,它通过统计在当前群体中优选出的个体信息给出下一代个体分布的概率估计,用随机取样的方法生成下一代群体.将分布估计算法应用于备件优化问题,提出了基于分布估计算法的武器装备系统备件优化模型,分析了个体选择比例、精英保留等策略对算法的影响.仿真结果表明了文中所采用的分布估计算法在求解备件优化问题时是可靠有效的.     

函数型核加权估计法及其在经济学中的应用

本文基于变系数模型提出了一个新的统计推断方法:函数型核函数加权最小二乘法.该方法将变系数模型中经典的核函数加权最小二乘法和参数模型中的函数型最小二乘法巧妙结合,通过条件特征函数构造损失函数进而定义了函数型核函数最小二乘估计量.该估计量既具有函数型最小二乘法的优势——在扰动项服从厚尾分布时也能够稳健估计参数,又具有非参数核估计的特点——估计量的相合性不依赖于参数模型的正确设定.同时,本文探讨了该估计量的大样本性质,证明了其相合性和渐近正态性.进一步,本文研究了该估计量的自适应估计,即基于估计量渐近方差的相合估计量来选择最优估计.最后,本文通过数值模拟来探究函数型核函数最小二乘法的有限样本性质,并将该方法应用到我国PM_(2.5)和经济增长关系的研究中.     

区域经济体可计算一般均衡模型的研究与应用

构建了一个区域可计算一般均衡模型(CGE),揭示了区域经济体的运行特征,为分析区域经济体的经济增长、生产要素的价格或结构变动等提供了一个分析框架;在模型的理论框架中,详细分析了区域CGE模型各个模块的构建思想及对应的主要方程,并从财税、贸易等方面分析了其特性;建立了区域社会核算矩阵(SAM)的结构;通过模型分析,得到了油价波动对湖南省经济发展的影响.     

威布尔分布无失效数据的Bayes可靠性分析

在Weibull分布场合下,通过对分布函数进行变换,利用凹凸性方法获得了各检测时刻失效概率之间的关系,进而从实际应用的角度出发,利用先验信息得到了各时刻失效概率的Bayes估计.通过建立参数回归模型,获得了产品可靠性指标的估计.最后通过对实例进行计算,验证了方法的稳定性.     

低复杂度无线OFDM自适应信道估计算法

提出了一种基于传输信道状态检测的低复杂度无线OFDM系统自适应信道估计算法,利用导频子载波在时频方向对当前信道状态进行统计检测,动态跟踪信道参数的变化特征,自适应选择当前条件下的最优内插滤波系数;同时简化传输信道先验统计信息求解,以此作为滤波系数选择的依据.仿真结果表明,在低复杂度条件下可以获知当前信道模型化参数近似统计信息,利用较少的计算资源就能获得较好的自适应性能;从而有效克服了二维Wiener滤波器实现复杂度高,以及传统信道估计按照最恶劣信道情况上限进行设计所导致的非匹配性估计性能损失.     

基于数据链的雷达误差配准算法

针对没有航迹关联和系统误差分布先验信息的情况,利用数据链系统合作目标的精确参与平台定位与识别(PPLI)报告功能,提出了一种雷达系统误差配准算法.算法将雷达与PPLI航迹对映射为参数域点集,定义了参数域上的信任函数,证明了在一定假设下信任函数随公共航迹数量增加依概率收敛于以系统误差点为均值的正态分布概率密度函数,通过搜索信任函数峰值初步估计雷达系统误差.在此基础上求解雷达航迹与PPLI航迹全局最优关联关系并精确估计雷达系统误差.通过蒙特卡洛仿真验证了算法性能接近Cramér-Rao下界.     

低位截断瑞利噪声的统计推理

预警雷达抗噪声压制干扰评估通常需要对量化后的瑞利噪声样本进行估计,在实际雷达系统中受硬件采样位数限制有时会舍弃噪声样本的低位数据,相当于进一步提高了噪声的量化误差,这时采用截断后的噪声样本计算均值会造成很大的估计偏差。为了有效运用低位截断后的噪声样本进行噪声估计,基于多项分布和瑞利分布推导了分布参数的最大似然估计方法,并证明了对数似然函数的凸函数性质以及后验分布为对数凹分布的性质,在此基础上提出了无信息先验贝叶斯估计方法和共轭先验贝叶斯估计方法。仿真数据实验验证了所提的极大似然估计、无信息先验贝叶斯估计和共轭先验贝叶斯估计算法的有效性,且对比分析了贝叶斯估计相对于极大似然估计的优越性。     

基于混合协同粒子群优化的广义T-S模糊模型训练方法

针对广义Takagi-Sugeno(T-S)模糊模型训练中存在的高维、非线性、混合参数估计问题,提出了一种基于混合协同粒子群优化的广义T-S模糊模型训练方法.该方法用离散二进制微粒位置表示模型的结构参数,用普通微粒位置表示模型规则中模糊集隶属函数的参数;这两种微粒位置联合体构成一个模型完整的模型前件参数集.两种群通过协同进化优化所有前件参数;模型后件参数用卡尔曼滤波算法估计.该方法不要任何先验知识,能产生紧凑的、泛化性能较好的模糊模型.函数逼近的数字仿真说明了该方法的有效性.     

广义累加灰色预测控制模型及其优化算法

基于矩阵理论建立了广义累加灰预测控制模型参数的矩阵形式,由此得到了数乘变换下模型的参数性质; 利用每个生成序列值作为边界条件并使平均相对误差函数最小, 构建了广义累加GM(1,1)时间响应函数的最优模型. 将该优化模型应用于经典的“电视机销售问题”之中, 得到了非常好的预测效果.