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。     

多层并行决策融合的贝叶斯方法

目的 研究多层并行决策融合系统的决策规则并探讨该决策规则的可行性,方法 利用贝叶斯最小风险准则给出各层融合单元的决策规则,选取不同的损失函数,讨论它们对系统性能的影响。结果 损失函数中虚警损失和漏损失的比值不同导致整个系统的性能不同,与Ｎ－Ｐ准则相比较,贝叶斯方法能够充分利用先验知识和样本知识,结论 所给出的决策规则使性能更完善且该决策规则的门限容易计算,在处理决策融合的实际问题中有很大的灵活性     

基于案例推理的应急决策贝叶斯网建模方法

贝叶斯网络技术具有丰富的概率表达能力,不确定性问题的处理能力,以及多源信息的融合能力,其有利于辅助突发事件的应急决策,提高决策效率.突发事件应急决策具有较高的时间敏感性,因此要求能够尽可能缩短贝叶斯网络的建模时间,而从无到有的传统贝叶斯网络建模方法的效率显然无法较好地满足这一要求.因此,针对以上问题,提出了基于案例推理的应急决策贝叶斯网络建模方法.该方法基于历史案例库,通过相似度和偏离度两个指标对历史案例进行匹配并得到候选案例,最后通过案例合并和剪枝等方法对候选案例进行调整,最终得到新的案例模型.通过案例仿真对所述方法进行了验证,结果表明:基于案例推理的应急决策贝叶斯网络建模方法没有庞大的搜索空间,也不需要样本数据,只需要提前收集历史案例模型,与传统贝叶斯网络建模方法相比,该方法能够复用历史模型,从而缩短了建模时间,提高了建模效率.     

快速建立基于贝叶斯网络的故障诊断系统

文章简要介绍了贝叶斯网络的模型构造，阐述了建立用于故障诊断的贝叶斯网络的通常方法，说明了如何使用MSBN3控件快速建立基于贝叶斯网络的故障诊断与维修决策系统，并将其应用于某激光告警设备的维修决策，在实践中进行了验证。     

一种新的水资源系统风险型决策方法

首先以水资源系统为背景，探讨了贝叶斯决策的观点，方法及传统贝叶斯方法的局限性，介绍了不精确解率分布的概念，定义，然后提出了基于有限状态空间不精确概率分布的风险型决策方法，指出了经典的效用函数决策方法及完全不确定型决策方法是该方法的两个特殊情形；最后给出演示该方法的算例。     

贝叶斯决策理论在核事故中、晚期应急决策优化中的应用

将贝叶斯决策理论应用于核事故中，晚期应急决策优化，为核事故中，晚期应急决策优化提供了一个可以改善决策结果的应急决策优化方法。     

贝叶斯决策方法及其应用

风险决策存在于诸多的生产和经济活动中，在制定一项决策之前，应注重其风险分析，合理地将风险中的信息加以利用。根据贝叶斯理论的基本原理，通过一个具体实例，给出了应用贝叶斯理论的步骤和方法。     

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。     

贝叶斯公式在统计决策中的应用

本文讨论了贝叶斯公式在统计决策中的应用，给出了一种综合考察先天信息和后天信息，从而作出最优决策的方法。     

基于粗糙集的决策规则提取

讨论了粗糙集（rough sets）在数据分析方面的应用，基于粗糙集的数据分析来源于对数据表（即信息系统）的分析。通常我们将信息系统中的属性划分为条件属性和决策属性，这种信息系统又称为决策表。对每一个决策表，都有一系列的决策规则与之相对应，这些相关的决策规则被称为决策算法。本文将给出这些决策算法的统计学特点，并与贝叶斯（Bayes’）定理相比较，从而得出基于粗糙集的数据分析方法优于贝叶斯定理。     

基于Dempster-Shafer理论的不确定推理设计与实现

不确定性推理是专家系统中的一个重要研究方向,针对传统贝叶斯方法不能处理推理中出现的未知情况,提出了一种将Dempster-Shafer理论和确定性因子相结合的方法,很好地解决了推理中出现的未知情况,并用CLIPS开发工具进行了模拟实现。     

两个概率公式的推广

定理2是本文的主要结果,它给出了随机序列形式下的全概公式和Bayes公式,可视为这两个公式通常形式的推广.     

基于扩展谱相减与SAP的带噪语音端点检测

为提高低信噪比时带噪语音端点检测的性能,提出了一种将扩展的谱相减法与SAP(Speech AbsenceProbab ility)软门限相结合的方法。采用基于噪声补偿结构的扩展谱相减法,通过使用自适应的判决规则,在不需要进行语音激活检测的情况下有效地去除了背景噪声,克服了单麦克输入时无法在语音段对噪声进行估计的缺点。同时采用非语音段概率SAP软门限,直接对增强后的语音信号进行检测,有效提高了语音段起止端点检测的精确度和可靠性。实验结果表明,该方法比短时能量方法的计算效率高,在信噪比为-10 dB时仍能完成端点检测。     

一种D-S证据推理的BPA获取方法

针对多传感器数据融合中D-S证据推理方法的基本概率赋值获取存在主观性的问题,结合粗糙集理论,通过定义规则强度和决策扩充规则,提出一种基于决策表的证据获取和基本概率赋值客观确定方法,并以具体算例验证了方法的正确性和有效性。     

基于融合信息熵性质的信任函数概率逼近

对信息熵的相关性质进行研究,在 Pignistic 概率转换方法的基础上融合信息熵的性质提出信任函数概率逐步逼近的新算法,决策者根据决策需要可以设定逼近阀值,以此确定是否继续逼近,达到降低决策风险的目的,最后通过算例说明新方法的优越性。     

在役桥梁全过程FNM风险概率估计法

基于时变可靠度理论,考虑三级工作模式,提出在役桥梁全过程FNM (Finite element-Neural network-Monte-Carlo simulation) 风险概率估计法。在风险识别的基础上,通过蒙特罗抽样获得桥梁使用周期内某一时间的n组风险因素随机样本。n为蒙特卡罗法模拟所需样本数的经验下限。设神经网络训练所需样本数的经验上限为N,通过有限元计算获得此N组样本。剩余n-N组样本由神经网络模型获得。由此即可得到蒙特卡罗法模拟所需的n组样本。实桥算例以一座运营了8年、主跨80m的吊杆砼拱桥为对象,预测了该结构的承载力和风险概率。算例分析表明,该方法科学合理、简便有效,能为在役桥梁的加固决策提供参考依据。     

基于灰度分布的概率密度实现实时图像分割

针对实时图像质心跟踪的问题，提出了一种目标分割的算法。对相邻两帧图像的跟踪框和背景框的灰度分布统计，加入滤波因子，再根据Bayes判别规则构造判别函数，把背景像素和目标像素进行分类。实验结果证明，该方法克服了由于图像序列中某一帧图像灰度分布发生突变产生的影响，能较好的分割出图像中的目标。在电视跟踪系统中有效的保证了跟踪的稳定性。     

基于特征点统计模型的联机签名校验

在联机签名校验中,动态时间规正(DTW)方法是一种常用的校验算法,在非线性时间对齐的基础上给出两个签名间的距离并进行判决,这样做经验的成份较多,缺乏统计基础。该文提出了签名的特征点统计模型,利用DTW算法在序列匹配的基础上从签名中提取到多个特征点,将每个特征点的变化情况描述为多维统计特征的概率分布,在所有特征点具有同样协方差分布的假定下得到具体的概率分布参数。按照此模型推导出了在最小风险准则下对签名进行真伪判决的判决准则。采用此方法对一个公共的签名样本库进行了真伪校验测试,得到了4.41%的等误率。     

概序型多目标保守决策的一种解法

给出了在概率排序情形下的以最大期望和最小方差为评价准则的多目标保守决策问题的一种解法．