基于MH抽样的Bayesian方位估计快速算法

针对Bayesian方位估计计算量大的问题,将马尔可夫蒙特卡罗方法与Bayesian方位估计相结合,提出一种基于MH(Metropolis-Hastings)抽样的Bayesian方位估计新方法(简称MHB).该方法将Bayesian算法的空间谱函数作为信号的概率分布函数,并利用MH抽样方法从该概率分布函数中抽样.研究结果表明,MHB方法不但保持了Bayesian方位估计方法的优良性能,而且大大减小了计算量.     

结合先验知识的Bayesian优化算法研究与仿真

由于一般优化问题的先验知识很难获取,因此在Bayesian网络学习中结合与利用先验知识一直是一个很难突破的问题.针对Bayesian优化算法(BOA)的特点,对一般优化问题如何发现和利用先验知识进行了分析讨论,把BOA中前一代种群所提供的信息作为先验知识结合到当前代Bayesian网络的学习中,提高了所学习网络的可靠性,从而提高算法的性能.仿真结果表明所提算法比传统BOA具有更强的全局寻优能力.     

利用贝叶斯模型进行热参数估计

对利用Bayesian模型分析热传导反问题中的导热系数预测问题的方法进行了研究。导热系数反问题的解是其后验概率密度的数学期望,用MarkovchainMonteCarlo算法计算后验状态空间以得到未知导热系数的统计估计。方法中取导热系数的先验分布满足正态分布,似然函数中的温度数据满足稳态零均值白噪声,先验分布与似然函数相乘得到后验概率密度函数。采用Metropolis-Hasting算法进行数据采样构造Markovchain,并截取收敛后的样本进行分析。     

基于MCMC模拟的相关系数平稳序列模型及其应用

提出了基于MCMC方法来估计相关系数平稳序列模型的参数;给出基于贝叶斯分布的相关系数平稳序列模型参数的算法;在无信息先验分布下,模拟证明了用此方法估计相关系数平稳序列模型参数的优良效果。最后对实际的广西电网-月负荷数据,分别用基于相关系数平稳序列模型的MCMC方法和极大似然估计法以及基于经典的ARMA模型建模,结果表明采用MCMC方法得到的模型给出的预测是最好的。     

基于Bayesian统计推理的分布估计算法求解, 柔性作业车间调度问题

在Bayesian统计推理理论的基础上, 提出一种新的求解柔性车间调度问题的分布估计算法.首先, 根据所有工件的工序排列顺序提取进化过程中种群的优良信息, 建立一个不断更新的先验分布概率模型, 再以相邻工序出现的频率为基础建立条件概率模型; 然后, 结合两个模型的信息使用Bayesian公式建立一个后验概率模型, 该模型综合了进化过程中不断更新的优良信息和相邻工序出现的频率信息, 可用以更好地指导产生新群体.仿真结果表明算法具有较好的寻优能力.     

基于不等概率抽样的不完全信息条件下复杂网络抗毁性模型

为了填补随机失效与故意攻击之间的空白,将复杂网络攻击信息的获取抽象成无放回的不等概率抽样问题,建立了不完全信息条件下的复杂网络抗毁性模型.其中网络攻击信息可以通过信息广度参数和信息精度参数调节控制,随机失效或故意攻击是该模型的两个特例.利用母函数方法解析推导出了任意度分布广义随机网络在随机不完全信息和优先不完全信息条件下的两个重要抗毁性度量参数——临界移除比例和巨组元规模,得到的解析结果可以分析和预测不完全信息条件下复杂网络的抗毁性.以无标度网络为例对一般攻击信息参数组合进行了仿真分析,发现随机隐藏少量节点信息将大幅度提高复杂网络的抗毁性,获取少量重要节点的信息可以大幅度降低复杂网络的抗毁性.     

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.     

基于贝叶斯混合概率分布融合的系统可靠性分析与预测方法

针对一般系统可靠性分析与预测方法在处理多层次信息分布不均衡(multi-level & information imbalanced, MLII)系统时的一些局限性,提出了基于贝叶斯推理与信息提取融合的系统可靠性分析方法。该方法通过引入直接先验分布、间接先验分布与融合先验分布的方式,重构了经典贝叶斯推理算法。主要创新性包括提出了基于自更新权重系数的贝叶斯混合算法,该算法可充分利用底层单元的完备数据,自下而上地补偿顶层匮乏的信息,获得较为准确的系统可靠性分析与预测结果。将该方法应用于具有MLII特点的复杂机电系统,分析结果较传统方法有更高的准确性。     

多先验期望效用决策者的打赌模型

决策者用对策论的方法量化关于不确定事件的信念是一种较好的方法.本文讨论了具有双边私人信息的多先验期望效用决策者的打赌对策模型,给出了相应的反应函数和接受函数及它们的性质,与Morris(1995)的结论类似.     

不确定条件下的质量绩效测评方法

以ISO9004标准为基础,建立了质量绩效评价模型.根据评价模型的多层次多指标结构特征以及评价信息的不确定性特点,将D-S证据合成理论应用于质量绩效评价系统,利用模糊评判和群组决策方法处理评价过程中的不确定信息和未知信息,给出了D-S证据合成中mass函数的确定方法,并将一种改进的D-S证据合成方法应用于多专家、多指标的信息合成,从而建立了不确定条件下的质量绩效测量和评价方法.最后,通过实例应用对上述方法的实用性和有效性进行了说明.     

小子样条件下幂律退化模型的加速因子分析

结合长寿命、高可靠性产品加速寿命试验的特点,在失效机理不变的条件下,提出了幂律退化模型加速因子的概念。推导了加速寿命试验条件下幂律退化模型参数的极大似然估计。并利用Bayes方法,结合额定应力环境下的小子样数据和加速因子的先验分布,推导出加速因子后验分布。在此基础上,给出了小子样条件下可靠性的一、二阶矩的估计公式,进而运用矩等效方法得到可靠性的验后分布,结合实例说明了方法的有效性。     

An Approximate Optimal Relationship in the Sampling Plan with Inspection Errors

1　IntroductionSampling inspection has become an essential componentof quality control methodology forover sixty years.Various kinds of sampling plans have been developed with the aim ofimproving inspection efficiency and reducing inspection cost and decision risk. It ishowever noteworthy that all these sampling plans have been designed under the naturalassumption that inspection is perfect. In these sampling plans,only two kinds of errorscaused by the randomness ofsampling have been taken int…     

贝叶斯网络推理的一种仿真算法

贝叶斯网络是一种强有力的不确定性知识表达和推理工具。网络的推理是贝叶斯网络的重要内容之一。该文提出了一种近似仿真算法。由随机数发生器产生随机数，并按节点的先验概率，由赌轮对网络各个节点状态赋值，得到一个采样样本序列。当样本序列的数量足够大时，边缘统计量和条件统计量与节点的边缘概率和条件概率接近，从而得到网络的近似推理结果。仿真结果表明，该算法与精确解接近，有较好的适应性。基于该算法构造的贝叶斯诊断网络系统已成功应用于天津石化炼油厂。     

删失试验寿命的贝叶斯生存极值回归模型

针对删失寿命试验数据缺少随机变量尾部分布和常规删失数据分析对长寿命区高可靠度估计不准确的问题,构建了一个结构元件寿命分布的贝叶斯生存极值回归模型。运用MCMC方法与Gibbs抽样获得参数后验分布的基本原理,借助数据仿真说明了利用WinBUGS软件包进行建模分析的过程,证明了该模型在删失试验中的直观性和有效性。研究结果表明:利用Gibbs抽样进行模拟分析,能很方便地得到模型参数的相关估计。     

基于Gabor框架的线性调频信号压缩采样与重构

针对线性调频信号在传统采集过程中存在的高采样频率问题,提出了一种基于Gabor框架的线性调频信号压缩采样与重构方法.首先,利用线性调频信号在Gabor变换下所具有的时频稀疏特性,提出了基于Ga-bor框架的线性调频信号压缩采样系统.基于该采样系统,分析了压缩采样系统工作过程,建立了该系统压缩观测过程数学模型.随后,分析...     

辊形测量中采样策略的研究

采用误差分离技术,在均匀采样的前提下进行辊形测量。本文对辊形测量中的采样策略做了深入的研究。采样策略包括采样点数的选择和传感器间距的设定。不但从理论角度,应用概率论方法求得了采样点数的大小范围,还考虑了后续滤波处理时参数设定对采样点数的影响。在设定传感器间距时,从曲线插值和统计分析这两个方面进行了综合考虑。最后得出了最优的采样策略。     

基于采样理论的序列蒙特卡罗车辆跟踪算法

结合图像的灰度分布和空间布局，提出了一种基于灰度和空间信息的序列蒙特卡罗概率跟踪算法。通过比较采样值和期望值的特征距离来计算采样状态对应的权值。利用加权采样值来估计未知量后验概率的各阶矩，当采样数趋向于无穷时由大数定理保证，采样值分布逼近于真实值分布。仿真实验给出了利用因子采样对交通流中车辆跟踪的结果。实验表明，基于序列蒙特卡罗的车辆跟踪方法计算简单有效，可以准确地得到车辆的位置并且很好地跟踪其运动轨迹。     

基于贝叶斯网络的复杂系统故障预测

针对复杂电子系统信号具有不确定性的特点,提出一种基于贝叶斯网络的故障预测模型。该模型通过对连续的信号特征进行量化处理,利用专家知识结合信号建立贝叶斯网络结构;对不同样本采用不同算法来进行网络学习,采用概率推理定量估计信号的区间预测概率,从而建立一个可推理的预测模型。将该方法应用于电源系统进行故障预测,针对不同数据样本进行实验,结果验证具有较高的区间预测率,为复杂系统的故障预测提供了新手段。     

基于MCMC稳态模拟的Weibull回归模型及其可靠性应用

讨论了贝叶斯加速失效模型族中应用最为广泛的Weibull回归模型，提出针对寿命服从weibull分布的产品，运用基于Gibbs抽样的MCMC方法动态模拟出参数后验分布的马尔可夫链，在失效率的先验分布为Gamma分布时，给出随机截尾条件下参数在Weibuil回归模型中的贝叶斯估计，提高了计算的精度。借助数据仿真说明了利用BUGS软件包进行建模分析的过程，证明了该模型在可靠性应用中的直观性与有效性。     

基于耦合的新船价格波动影响因素分析

针对新船价格波动机理,通过分析船舶市场运行过程中影响新船价格的各种因素所占权重,以及这些因素作用下最终形成市场价格的过程,研究新船价格波动背后的形成过程和作用体系.首先,为解决多元数据求极值问题,提出动态粒子平衡的均匀采样方法,并在高维空间的单位超球面上生成权重方向向量,得到映射到不同方向向量上的投影序列.其次,为消除不平稳、不规则数据的影响,运用经验模态分解方法对投影序列进行处理,生成不同度量尺度下的平稳序列.再次,考虑到随机抽样的离散特性,以本征模函数与目标序列的判定系数为优化目标,加入了遗传算法得到在连续超球面上的优化结果.最后,通过对新船价格及其各相关因素的历史数据进行分析,得出拟合度较高的曲线及其所对应的各因素所占权重.分析表明该方法能够有效解决多元序列求极值和多元非平稳序列的相关性分析问题,能够综合考虑更多因素描述与新船价格的波动机理,为以后船舶价格预测提供一种新的方法.