先验分布确定方法的分类研究

先验分布的确定问题是贝叶斯统计学首要的基本问题。根据统计推断所利用的3种信息(先验、总体、样本信息)的不同应用,对常用的先验确定方法进行了一定的分类整理,并提炼了数据控制下的先验这一概念,以区别无信息先验和非主观先验概念。     

一种综合孔径辐射计贝叶斯反演法

将贝叶斯反演理论应用于综合孔径辐射计图像反演,其基本思想是将亮温分布和可见度视为随机变量,将图像反演转换为贝叶斯推断问题.基于这一思想,分析了亮温分布的先验信息和可见度的统计特性.鉴于热辐射信号具有高斯特性,建立了亮温分布的高斯先验模型,并采用期望最大算法估计该先验模型的未知参数.可见度采用多元高斯随机变量表示,并考虑了可见度的互相关性.贝叶斯反演法能够充分利用可见度和先验信息的统计特性.仿真和实验结果表明:贝叶斯反演法能有效提高综合孔径辐射计的成像性能.     

混合非参数回归的贝叶斯推断

针对混合非参数回归问题, 给出了一种基于贝叶斯框架的推断方法. 在该方法中对每一个非参数混合成分用一个随机过程的有限维分布族作为先验, 同时分别构造混合比例、随机误差的方差和非参数混合成分的贝叶斯估计, 并通过马尔科夫链蒙特卡洛(Markov chain Monte Carlo, MCMC) 法抽样来进行后验推断. 数值模拟分别从样本量、回归曲线的相对位置和多分类情况 3 个角度进行. 模拟结果表明, 相较于全局期望最大化(global expectation maximalization)算法, 混合非参数回归的贝叶斯推断方法能够有效利用先验信息来提高模型的拟合和预测能力. 最后将混合非参数回归的贝叶斯推断方法应用于蚜虫与受感染烟草植物的实验, 同时解决了数据的聚类与回归拟合问题, 其有效性和适用性得证.     

无信息先验下平稳AR(1)模型的贝叶斯推断

研究AR(1)时间序列模型在平稳条件下的贝叶斯推断理论,构造了模型自回归系数和尺度参数的无信息先验分布,推导得到了其后验分布、后验均值、众数、中位数、分位数和最大后验区间估计,最后对几组仿真数据进行了贝叶斯分析.     

岩土工程参数Bayes法推断中先验与后验样本大小的探讨

岩土力学参数Bayes统计推断存在验前和后验样本信息问题.在解决工程问题时,先验与后验分布信息的获取是靠样本容量的大小确定,而获取样本信息是要付出工程费用的.为了探讨岩土参数Bayes法推断中先验与后验样本的取值大小,采用贝叶斯推断简化方法,通过对某工程的岩土力学参数分析,得到先验样本数为30~35个和后验样本数不少于4个时,计算出的统计参数均值与方差的误差最小.本文的研究为岩土工程力学参数概率统计样本大小的确定提供了参考.     

既有空间结构位形推算的随机偏差方法

根据未测节点空间位置的不确定性和随机分布特性,提出了结构位形推算的随机偏差方法.结合空间结构特点,给出随机偏差方法的抽样测点选取原则和最小样本容量确定方法.基于概率论及数理统计理论,给出随机偏差方法的偏差分布推断方法.引入先验信息概念,基于贝叶斯统计理论,给出有先验信息条件下的参数推断方法.对实际网壳结构采用该随机偏差方法推算结构实际位形,并进行整体稳定性分析,结果表明基于随机偏差方法的鉴定分析结果更符合实际.     

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.     

利用Fisher信息矩阵确定伽玛分布的无信息先验

先验分布的选取一直以来是贝叶斯学派研究的重点,尤其是在无先验信息的情况下如何确定先验分布是贝叶斯学派关心的焦点,文章根据Jeffreys提出的利用Fisher信息矩阵确定无信息先验分布的方法,给出伽玛分布在三种情况下的无信息先验.     

基于贝叶斯方法的时变可靠度分析

针对现役钢筋混凝土桥梁时变可靠度分析的现状,首先根据主观经验信息确定了一个抗力统计参数退化模型,然后结合结构实际检测信息,运用贝叶斯方法综合这两类信息,并进行了推断,从而对模型参数进行了更新,并利用更新后的参数对混凝土模型和钢筋锈蚀模型进行了修正,最后结合已有的荷载效应分析理论,计算时变可靠度,给出了一个计算实例.     

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.     

加权贝叶斯线性B细胞表位特征提取方法

特征提取方法对线性B细胞表位预测起到非常重要的作用,但贝叶斯特征提取方法忽略了氨基酸之间的相互关系.为了更准确地描述表位序列的关系,提出一种基于氨基酸对量表加权的贝叶斯特征提取方法,该方法对单个氨基酸在序列分布的基础上充分考虑了氨基酸之间的关系,并使用支持向量机作为分类器进行分类.在El-Manzalawy,Saha数据集上的测试表明改进的贝叶斯特征提取方法.相比传统的贝叶斯特征提取方法,提取精度有一定的提升.     

加工装置的精度动态损失贝叶斯建模预报

针对测量过程中需要对数据量较少的非平稳性精度进行随机序列的建模预报,提出了贝叶斯动态测量精度序列的预报方法.该方法不要求较大的数据量,对序列平稳性无限制,并以实例验证了贝叶斯预报方法的适用性和可行性.     

Bayes网络在机械故障概率估计中的应用

提出了将bayes网络应用于机械故障诊断。主要是为了解决如何从机组运行状态数据中来推断出机组发生某种故障的可能性,从而为进一步的诊断维护提供依据。Bayes网络是一个具有一系列条件概率的有向无循环图。本文采用两层结构的网络模型,上层为旋转机械的故障样本集,下层为症状属性样本集。根据给出的各故障发生先验概率以及各症状节点的条件概率和泄漏概率,利用网络的推理计算,求出机组发生各种故障的后验概率大小。从而达到预测发生某种故障可能性的目的。实例验证了该方法的可行性和正确性。     

基于条件互信息下聚类的朴素贝叶斯分类算法

 采用条件互信息来度量任意2个条件属性之间的关联程度,采用互信息度量各条件属性与类属性间的关联程度,以此作为将各条件属性进行聚类的准则,提出一种新的将条件属性进行聚类的分组技术.同时,结合朴素贝叶斯分类算法,构造了改进的朴素贝叶斯分类模型.通过仿真实验表明该文提出的算法具有较好的分类性能.     

小样本贫信息条件下高炉冶炼烧结终点组合预测法

由于烧结过程具有不确定性、多变量耦合、时变时滞的特点,并且烧结终点受多种因素的影响,采用传统控制方法难以将烧结终点控制在要求的范围内,提出应用支持向量机优良的时序预测性能,以及贝叶斯理论能够利用样本信息和先验知识来简化预测模型和优化参数的特性,建立了贝叶斯支持向量机烧结终点的预报模型。首先对烧结终点的机理分析,后分别叙述贝叶斯框架理论和LS-SVM算法,并将贝叶斯证据框架应用于最小二乘支持向量机模型参数的自动选择,建立起时间序列的烧结终点非线性预测模型。在贝叶斯推断的第一层,进行模型参数的选择;在贝叶斯推断的第二层,进行模型超参数的选择;在贝叶斯推断的第三层,估计模型核参数,然后利用贝叶斯最小二乘支持向量机算法(LS-SVM)对烧结终点进行预测,并在此基础上构造了烧结终点的贝叶斯最小二乘支持向量机模型。仿真结果和多种模型比较表明,本模型能在小样本贫信息条件下对烧结终点做出比较准确的预测,并具有预测精度高、所需样本少、计算简便等优点,取得了令人满意的结果。     

三种文本分类算法的比较

介绍了一种基于贝叶斯定理的文本分类模型“树桩网络（stump network）”。将该方法与朴素贝叶斯文本分类器和TAN（tree augmented naive bayes）文本分类器进行实验比较。结果表明，在大多数数据集上该文本分类方法具有较好的分类正确率。     

统计学习方法在语义消歧中的应用研究

语义歧义大量存在于自然语言中,其排歧成功率是衡量机器翻译、信息检索、文本分类等自然语言处理软件性能的重要指标.对语义消歧这一自然语言理解领域的难点技术问题进行了探讨,分析了统计学习方法在语义消歧中的应用,阐述了统计语义消歧的有关技术,并给出一个基于贝叶斯与机读词典的语义消歧实例,取得了较高的语义消歧成功率.     

储层流动单元指数的EBF动态模糊神经网络预测模型

储层流动单元指数(FZI)能够从岩石物理相的角度体现出孔渗关系,可作为孔渗关系分析的辅助性参数。为了在孔隙度、渗透率未知的情况下对逐个采样点求取FZI,本文在分析泌阳凹陷白云岩分布区关键井的岩心数据和多种测井资料的基础上,建立了一种基于椭圆基函数(Ellipse Basis Function)的模糊神经网络FZI预测模型,该预测系统可根据学习样本自行创建或删减模糊规则。测井资料信息量庞大,因此这种具有自学习机制的预测系统更有利于有效信息的提取和利用,特别对于复杂储层而言,减轻了预测过程中对先验信息的依赖程度,因而效率和精度更高。     

基于绩效对比标准的三层生产-分销系统的最优批量策略选择

针对包括生产商、区域配送中心(RDC)和分销商的三层生产-分销系统,考虑货物进出RDC的批量对系 统的影响进行研究。首先利用基于时间基准的最大公约数法优化生产-分销系统模型求得固定批量策略,从而使 供应链上的生产-分销成本最小,在此基础上进一步探讨生产-分销过程中各种可能的情景,得到生产-分销系统 的多重混合批量策略。本文定义了一个绩效对比标准,依据此标准对对固定批量模型和多重混合批量模型进行 求解,得出最优批量决策方案。最后以中石油东北化工销售公司的部分数据作为计算实验和灵敏度分析的来源, 结果验证了绩效对比标准和最优批量模型的有效性。     

预焙铝电解槽阳极效应的智能预报方法

开发了以槽电阻斜率和累积斜率为主要判据、以物料平衡估算值以及电阻针振强度为辅助判据的阳极效应智能预报方法.该方法的步骤是首先获取用于阳极效应预报的信息,包括槽电阻采样、槽电阻低通滤波、槽电阻斜率与累积斜率计算、槽电阻针振强度计算以及物料平衡估算(即估算一定时间内累计加入电解槽内的氧化铝量与该时间内理论消耗量之差);然后据此进行阳极效应预报,即利用当前解析周期内的电阻斜率与累积斜率推理确定当前预报阳极效应的可信度,依据近期槽电阻针振强度的变化趋势以及物料累计偏差的取值情况对可信度进行调整,依据可信度值对阳极效应预报的进程标志进行处理.测试结果表明,该方法的阳极效应预报成功率达90％以上.