正态分布族的参数的线性经验Bayes估计

对于正态分布族{N(μ,σ~2)|-∞<μ<+∞,σ~2>0},本文利用Robbins,Tao Bo 的思想,分别构造了μ,σ~2,θ=(μ,σ~2)′的线性经验 Bayes估计,我们不但在一定条件下讨论了这些估计的 a.o 收敛速度,而且证明了其 a.s 收敛性.     

线性模型回归参数的Bayes线性估计

在 C.R.Rao 工作中曾指出:在线性有偏估计类中一致地改进最小二乘估计是不可能的.本文试图局部地改进最小二乘估计.本文定理1求出了线性模型的 BLE;定理2指出,近年来研究的 Stein 估计、岭估计都是 BLE;定理3表明,存在一个以原点为中心的、椭球,使得在该域内 BLE—致优于通常的最小二乘估计(LS).     

泊松分布参数的整数幂的联立估计和广义Bayes估计

研究了在独立样本下泊松分布参数的整数幂的联立估计。在二次损失假定下,证明了其无偏估计的改进估计和广义Bayes估计都优于无偏估计。     

加速寿命试验下随机截尾指数寿命数据的Beyes统计分析

本文针对恒定应力加速寿命试验下，进行随机截尾指数寿命数据的Ｂａｙｅｓ分析，在未知加速寿命方程情况下，给出了常应力下分布参数的后验分布及其Ｂａｙｅｓ估计．最后给出了两个计算实例．     

基于Bayes方法的飞机压力加油系统优化设计

针对某型飞机地面压力加油系统存在的常用加油量加油时间过长的问题,提出了一种新的系统优化设计方案。基于该型飞机的常用加油方式为有余油的小加油量加油,并充分考虑到机翼油箱组和机身油箱组的不同特点,提出按机翼油箱组和机身油箱组分别单独进行加油系统优化设计。机翼油箱组按照各油箱同时满油的目标设计,机身油箱组采用Bayes优化方法对节流孔径进行优化设计。系统性能的计算结果验证了该方法的有效性。     

贝叶斯方法在垃圾邮件过滤中的应用

基于内容的垃圾邮件过滤方法是垃圾邮件过滤方法的一个重要分支,由于其高准确率,朴素贝叶斯算法更在基于内容的过滤方法中占了一席之地。本文介绍了贝叶斯算法的基本原理及其在邮件过滤中的应用,并写出了其监督训练过程和邮件过滤具体过程,做出了全部过程的进程图。提出了笔者自己的一点想法,建立用户个人邮件训练集可能会更一步增加垃圾邮件过滤的正确度与召回率。     

基于Adaboost的行道线检测

行道线检测是主动安全和视觉导航技术中的一个重要研究课题.在总结前人检测算法的基础上,设计了基于Adaboost算法的行道线检测方法.Adaboost算法作为一种新型的机器学习算法,可以在比随机预测略好的弱分类器基础上构建高精度的强分类器.该算法简单可靠、学习效率高,较好地解决了实时检测系统中速度和精度的矛盾.实验结果表明该方法有较好的检测效果.     

汽轮机故障诊断中的信息熵融合

在汽轮机轴系振动故障模拟试验的基础上,对大量故障模拟试验数据进行计算,建立了典型故障的4种信息熵样本.采用概率神经网络对故障信号的4种信息熵特征进行融合研究,并将融合结果与最小距离分类器的分类效果进行了对照分析.研究表明,概率神经网络可实现对训练样本100%的正确识别率,对"陌生"样本的正确识别率也超过80%,其识别效果远远超过最小距离分类器.可见,概率神经网络综合了贝叶斯分类器和神经网络的优势,在汽轮机故障模式分类方面具有明显的优势,利用概率神经网络融合信号的信息熵特征实现汽轮机轴系故障模式识别是一种可行有效的方法.     

基于提升的BAN组合分类器

提升是一种有效的分类器组合方法,它能够提高不稳定学习算法的分类性能,但对稳定的学习算法效果不明显.BAN(BN augmented Nave-Bayes)是一种增强的贝叶斯网络分类器,通过提升很容易提高其分类性能.文中比较了GBN(general BN)和BAN的打包分类器Wrapping-BAN-GBN与基于提升的BAN组合分类器Boosting-BAN,最后通过实验结果显示了在大多数实验数据上,Boosting-BAN分类器显示出较高的分类正确率.     

基于Bayes估计的多传感器数据融合方法研究

对多传感器数据融合方法进行研究 ,以 Bayes估计理论为基础得到了多传感器最优融合数据 ,并将它与其它方法得到的融合数据进行了比较 .