基于Gibbs-DA算法的贝叶斯分位回归模型研究

针对分位回归模型参数的不确定性风险问题,构建了基于Gibbs-DA抽样算法的贝叶斯线性分位回归分析模型.根据非对称Laplace分布的正态-指数分布的混合表示性质,利用数据扩展方法构建了潜变量,给出分位回归模型的似然函数,推断了多元正态先验分布条件下分位回归模型参数的后验分布,证明了潜变量的完全条件分布为广义逆高斯分布;结合Gibbs抽样和数据扩展方法,设计Gibbs-DA的仿真分析方案,并将其应用于我国能源消耗问题分析.研究结果表明:贝叶斯方法可以有效地应用于分位回归的建模以及我国能源消费弹性的分位问题研究.     

基于变分贝叶斯估计方法的双尺度自适应Kalman滤波

针对Kalman滤波在对敌目标估计应用中遇到的量测和过程噪声均未知且时变的情况,提出了一种利用变分贝叶斯估计的双尺度自适应滤波方法。解决了2个关键问题：一是针对量测和过程噪声协方差的共轭后验分布提出了相对转移概率指标,设计了启发式的自适应噪声估计窗口,实现了稳态精度和时变响应性能的综合提升,能适应敌方目标机动性高且统计特性变化快的特点;二是设计了在不同时间尺度上估计过程噪声和量测噪声的协方差方法,解决了在同一时间尺度上使协方差估计值发生严重偏差且增大滤波误差的问题。仿真表明,所提方法能快速跟踪目标状态噪声统计特性的变化并保证估计精度。     

双参数广义几何分布的 Bayes 估计及其应用

考虑具有双参数结构广义几何分布的Bayes估计问题, 给出分布中参数Bayes估计的精确表达式, 并将该分布应用于短期聚合风险模型中, 提出一类新的聚合风险模型, 给出分布函数的相关性质及聚合理赔量的近似模型. 数值模拟结果验证了Bayes估计具有渐近无偏性与相合性. 最后将该结果应用于汽车保险索赔数据中, 得到了不同索赔次数下的保单数量拟合结果.     

Hierarchical Bayesian Estimation of the Products Reliability Based on Zero-Failure Data

1　IntroductionThezero-failuredataresearchisanewfieldintherecentyears,butitisrequiredurgentlyinpracticalprojects,sotheworkhasmoretheoryandpracticalvalues.Fromthearticle[1]presenting,moreandmoreattentionispaidbyresearchersallovertheworldintheze-ro-fai...     

一种改进的HCF贝叶斯图像分割方法

贝叶斯方法是图像分割中广泛使用的方法，ＨＣＦ（ＨｉｇｈｅｓｔＣｏｎｆｉｄｅｎｃｅＦｉｒｓｔ）是一种有效的优化方法，用ＨＣＦ对图像进行贝叶斯分割，并且改进了贝叶斯分割中的势能函烽，提出局部势能的概念，从而获得了较为满意的图像分割结果。     

基于可靠度理论的嵌岩桩自平衡转化系数研究

嵌岩桩作为桩基础的重要分支，在基础工程领域已得到广泛使用，其竖向承载力通常认为由桩侧摩阻力和桩端阻力两部分组成。统计了5个实际工程中合计62组分别采用传统静载法和自平衡法的嵌岩桩竖向极限承载力对比测试数据。对测试数据进行了归一化处理之后，采用贝叶斯优化计算了服从对数正态分布的模型因子统计参数。挑选了合适的可靠度指标求解方法计算了不同自平衡转换系数对应的嵌岩桩竖向承载力的可靠度指标，分别探讨了活载效应与恒载效应比值、安全系数以及荷载效应统计参数等因素对可靠度指标的影响。结合各行业规范并考虑最不利原理确定了嵌岩桩竖向承载力合适的目标可靠度，给出了该目标可靠度对应的自平衡转换系数推荐值。     

复杂环境下基于动态贝叶斯网络的目标识别

为了提升高动态复杂电磁环境下空战过程中对目标的识别能力,针对SBN网络模型无法满足战场的动态性要求以及对目标的经常性误识别问题,设计了一种基于变结构动态贝叶斯网络的目标类型识别模型。该模型是由静态贝叶斯网络模型演变而来,具有良好的动态表达性和滤波功能,弥补了SBN的不足,并且对空战过程中目标特征信息丢失的问题有良好的容错能力。仿真结果表明,基于动态贝叶斯网络的目标识别的识别效果,优于基于参数学习贝叶斯网络的目标识别。使用该模型后目标识别的准确性提高了5%,有效地解决目标类型识别过程中数据缺失和信息不足的问题。     

从“附注”管窥贝叶斯推理

资料显示,来自Fisher的批评以及诸如皮尔森、杰弗里斯等的论证已经曲解了作为非充分性理由要求的贝叶斯论证。重新审视托马斯·贝叶斯的著名附注(注释)中他为未知概率的先验均匀分布给出的辩护理由,发现被指控的原理性缺陷,在原贝叶斯文献中是不存在的。研究认为,真正的"贝叶斯推理"与早期的批评者和评论者对之的转述相比较差异很大,在逻辑上更接近于现代意义上对该概念的理解。     

Subjective intervention in formal models

Success in forecasting using mathematical/statistical models requires that the models be open to intervention by the user. In practice, a model is only one component of a forecasting system, which also includes the users/forecasters as integral components. Interaction between the user and the model is necessary to adequately cater for events and changes that go beyond the existing form of the model. In this paper we consider Bayesian forecasting models open to interventions, of essentially any form, to incorporate subjective information made available to the user. We discuss principles of intervention and derive theoretical results that provide the means to formally incorporate feedforward interventions into Bayesian models. Two example time series are considered to illustrate why and when such interventions may be necessary to sustain predictive performance.     

基于MCMC方法的虚拟试验贝叶斯校准研究

虚拟试验利用计算模型研究复杂物理过程,并预测其性能.计算模型输入参数中通常包含部分固定但未知参数,可利用计算模型结果和少量有限的试验数据校准未知参数,并研究存在建模不确定性时虚拟试验的预测问题.提出了一种贝叶斯统计方法,采用高斯过程为仿真计算模型以及模型不确定性建模,利用Markov chain蒙特卡罗抽样方法计算校准参数和仿真模型预测后验分布.设计测试算例演示所提出方法的高效性.