一种有效的多阅读器RFID冗余数据清洗算法

原始RFID阅读数据通常质量不高,可能包含许多异常。提出一种多阅读器RFID冗余数据的清洗方法,设计了3-态识别模型,并证明了该模型下系统的性能最佳。通过贝叶斯原理从观测的条件似然以及未知参数的先验分布获取待估计参数的后验概率分布,设计了带有位置约束的Metropolis-Hastings抽样器(MH-LC);该抽样器通过合并相关约束参数进行高效和精确地清洗RFID原始数据。各种典型干扰条件下的仿真试验表明了方法的有效性。     

华北农田土壤水分运动参数的Bayes估计

为了估计具有垂向空间异质性的田间尺度土壤水分运动参数,提出利用原位多点土壤含水率观测数据反演多层土壤持水和导水特征参数的Bayes方法。该方法基于Hydrus-1D模拟模型建立Bayes推断模型,采用Markov Chain Monte Carlo(MCMC)方法求解Bayes联合概率分布,得到参数的后验边缘分布。将该方法应用于华北平原一典型农田土壤剖面,参数反演结果反映了空间变异性,与室内试验值具有较好的一致性,相应的土壤水分运动模拟具有较高精度,从而验证了该方法的有效性。     

不确定RFID数据流上基于熵的数据推导方法

针对海量RFID数据中存在的不准确性以及语义信息鸿沟,提出了一种基于概率分布熵的数据推导方法.该方法采用时变图模型并充分利用历史RFID识读,从不确定RFID数据流上有效捕获贴标对象所处的状态,并采用基于概率分布熵的方法分别推导对象最可能的位置和包含.该方法可以同时处理RFID识读中的漏读和多读.最后利用模拟RFID数据进行参数调优和算法评价,实验结果显示：该方法在获得准确推导结果的同时,能确保其高效性和高伸缩性.     

AR(p) 模型参数的Bayes 估计及分布

利用Jeffrey模糊先验原理，通过分析AR(p)模型参数的概率分布密度函数，在二次损失下，参数的Bayes估计可以转化为LS估计，并给出参数的后验概率分布。     

带不可忽略缺失数据的再生散度随机效应模型的Bayes估计

在响应变量带有不可忽略缺失数据的前提下得到非线性再生散度随机效应模型的Bayes方法.缺失数据机制由Logistic回归模型定义,根据Gibbs抽样技术和MH算法得到模型参数、随机效应因子以及缺失数据机制中回归系数的联合Bayes估计,并进行了实例分析.     

运用基于Bayes估计的阈值模型计算VaR

为了克服用于计算金融风险VaR的阈值模型中数据匮乏的困难,将Bayes方法用于模型参数的估计,建立了基于Bayes估计的新的阈值模型,同时借助了MCMC方法计算Bayes估计值.最后对上证综指做了实例分析,结果说明新模型是有效的.     

半参数可加模型参数的Bayes估计

研究了半参数可加模型参数的Bayes估计问题.导出了半参数可加模型中参数的Bayes最小风险线性无偏估计,同时研究了其均方误差矩阵准则下优于Profile最小二乘估计的优良性.     

条件泊松抽样下的经验Bayes概率分布置信域估计

采用Mlinex损失函数优化传统损失函数,获取条件泊松抽样下的经验Bayes概率分布置信域估计区间,以及先验分布式逆Gamma分布情况下的后验密度函数,依据该后验密度函数获取参数的Bayes估计,证明该Bayes估计的可容许性,并在置信水平1-α情况下,获取参数的Bayes置信下限和最高后验区间估计.实验结果表明,该方法的估计精确度和运算效率较高,有较强的稳定性.     

INAR(1)模型参数的Bayes估计

利用Bayes方法研究INAR(1)模型的参数估计, 给出了模型参数的Bayes估计因子, 并通过数值模拟将Bayes估计与Yule Walker估计、 条件最小二乘估计、 条件极大似然估计进行比较. 结果表明, Bayes估计方法在一定情形下优于其他方法.     

广义非线性模型的Bayes估计

针对广义非线性模型的参数估计问题,提出了从参数的条件后验分布中抽取观测值来估计参数值的Bayes估计法.利用贝叶斯统计分析中蒙特卡洛抽样方法中的M-H算法和Gibbs抽样算法相结合的混合算法进行分析,通过参数的条件后验分布抽取出每次迭代时的参数值,并利用参数的样本路径图和均值遍历图验证迭代时马尔科夫链的收敛性;计算马尔科夫链达到收敛后参数的后验均值得到参数的Bayes估计;通过对产品销售数据的实证分析,比较Bayes估计和极大似然估计的偏差,验证M-H算法和Gibbs抽样算法在对广义非线性模型的参数进行Bayes估计时的简洁性、有效性以及可行性.     

基于Bayesian方法的参数估计和异常值检测

异常值检测是当前数据分析研究中的一个重要研究领域。模型中的异常值会直接影响建模、参数的估计、预测等问题。基于模型的异常值检测,传统的做法是先对模型参数进行估计,再进行异常值检测。而异常值的存在会影响参数估计,从而导致下一步异常值检测的不可靠;反之异常值检测也会影响参数估计。针对这些不足之处,提出了基于 Bayesian 方法的参数估计和异常值检测,此方法可以将参数估计和异常值检测同时实现,具体做法是在线性回归模型中引入识别变量,基于 Gibbs 抽样算法,给出识别变量后验概率的计算方法,通过比较这些识别变量的后验概率进行异常值定位,同时给出参数的估算方法。通过大量的模拟实验,结果表明,与传统方法相比,提出的方法对异常值更灵敏。     

船舶结构腐蚀检测及腐蚀模型不确定性分析

针对经典的概率论不能有效地处理检测概率的参数不确定性问题，提出了定量分析检测概率参数不确定性问题的贝叶斯方法，并以威布尔分布形式的检测概率为例，推导了量化参数不确定性的放大系数的计算公式。针对传统的数据分析法及专家判断法不能分析模型不确定性更新问题，基于无损检测信息采用贝叶斯更新方法量化了检测概率分布函数的统计模型不确定性，得到了检测概率统计模型权重的后验概率及相应的分布参数的后验概率密度函数。最后提出了分析船体结构腐蚀多层次模型不确定性问题的全概率模型法，并用算例证明了所提方法的有效性。     

基于贝叶斯理论的TOPMODEL参数不确定性分析

应用贝叶斯理论探讨了流域水文模型参数及预报不确定性问题.通过Monte-Carlo途径确定TOPMODEL模型的敏感参数,采用MCMC抽样技术估计敏感参数的后验概率密度分布,并根据参数的抽样系列构造水文模型预报值的经验分布,据此对模型参数的不确定性及其对水文预报结果的影响进行评价.以浙江密赛流域为例进行了应用研究,提供了模型参数及预报结果不确定性的定量分析结果.     

针对不确定射频识别数据流的改进概率推导方法

针对射频识别(RFID)数据存在漏读和交叉读而导致所提供的位置信息不准确,以及RFID数据与上层应用需求之间存在的信息鸿沟,提出了一种可以处理RFID交叉读问题的改进的RFID数据推导方法.该方法利用动态图模型并辅以历史RFID识读,从不确定RFID数据流上有效捕获对象的当前状态,采用基于熵的方法推导对象的最可能位置与包含,并且利用仿真物流仓库的RFID模拟数据进行算法评价.实验结果显示,该方法在获得准确推导结果的同时,能确保其高效性.对于常见RFID部署,位置推导和包含推导的错误率都可以控制在10%以内,针对超过17万个节点的推导所用时间小于1s,采用修剪措施后内存使用低于700MB.     

RFID中间件数据过滤方法研究

【目的】探讨对RFID数据冗余、脏读以及漏读数据进行过滤,整理出上层应用所需要的有效事件的方法。【方法】运用基于时间和次数阀值、数据校验、TDS数据解析以及基于伯努利概率的动态时间窗等方法进行研究设计。【结果】提出3种数据过滤器:冗余过滤器用于处理多读数据,平滑过滤器用于处理脏读数据,基于伯努利的动态自适应平滑算法的漏读数据处理器处理漏读数据,将这3种过滤器依次组合,组成数据过滤模型,最终构成数据过滤方法。【结论】运用这3种过滤器组成的数据过滤模型,能够很好的对RFID原始数据进行过滤,获得上层应用所需要的有效事件。     

误差修正机制转换模型的贝叶斯估计

用贝叶斯估计法来估计误差修正机制转换模型的参数。通过先验分布的设定和贝叶斯定理,求出该模型参数的后验分布,接着使用基于Gibbs抽样的贝叶斯估计技术进行参数估计,最后对贝叶斯估计方法进行统计模拟,模拟结果表明:该方法可以稳健的估计该模型的参数。     

弹点散布方差的动态修正Bayes估计

针对小样本情形下用传统方法对参数进行估计难以得到满意结果,在采用矩法由历史数据估计先验分布参数的基础上,将先验信息和后验信息相对化,采用动态修正Bayes估计法,对零均值正态分布的方差进行估计,建立了动态递推模型．并用蒙特卡罗法进行仿真模拟,结果表明,所采用的方法提高了估计精度．