轻木钉节点恢复力模型研究及参数识别

以低周反复作用下轻型木结构钉连接节点的试验为依据,提出了一种7个参数的钉节点恢复力模型,考虑正负方向不同的捏缩点和滑移效应,采用贝叶斯方法识别模型参数.结果表明,贝叶斯参数识别的精度依赖于所采用的数据,识别得到的恢复力模型最有可能值和协方差矩阵可用于相同条件下钉节点的计算.利用识别的结果对其反应进行模拟,所得计算结果与试验值符合良好.文中提出的恢复力模型为钉节点分析提供了可参考的力学模型,将贝叶斯理论扩展应用到恢复力模型参数识别中,为轻型木结构非线性滞回分析的研究提供了一种新的方法.     

基于跳—扩散过程的组合期权定价

Black-Schole期权定价模型成功解决了有效市场下欧式期权定价问题,但是研究者必须考虑现实金融市场中所面临的问题.本文在股票支付连续红利率ρ（t）、波动率σ（t）、无风险利率r（t）的情况下,建立支付连续红利率服从跳过程的期权定价模型,并利用鞅论和随机分析的方法给出了组合期权的定价公式.     

基于贝叶斯单指标回归模型的计算机CPU性能影响因素分析

在贝叶斯理论框架下探讨单指标回归模型的参数估计问题,通过Gibbs-MH算法对满条件分布进行抽样,以得到指标函数和模型参数的贝叶斯估计.模拟验证了该方法能够很好地识别出指标函数且估计偏差小.最后运用该模型对计算机CPU性能数据进行实证分析,进一步说明了此方法的有效性和实用性.     

快速路交通事件持续时间预测模型研究

针对城市快速路交通事件持续时间影响因素的复杂性和不确定性,结合贝叶斯网络和非参数回归方法,提出了一种新的快速路交通事件持续时间预测模型.采用上海市快速路监控中心数据,经过降噪处理,生成样本数据;在分析样本数据特征基础上,确定了贝叶斯网络的结构学习方法与参数学习方法;对贝叶斯网络模型的结果用非参数回归算法生成持续时间预测值.最后,对模型预测精度进行了验证,发现模型预测效果较好.     

基于贝叶斯Cox分段指数模型的烧伤感染时间分析

研究在右删失数据下,基于贝叶斯分段指数模型的Cox回归.在删失数据下建立Cox比例风险模型,估计出协变量对感兴趣事件的影响程度.对于Cox模型中基准风险函数,这里采用分段指数方法.对基准风险函数所在区间分段,在每一段上用指数估计基准风险函数,又运用了贝叶斯的方法,对基准风险函数中的参数进行贝叶斯估计,得到更合理的估计结果.最后将该方法应用于烧伤病人的实际数据中,所得结果对烧伤后的治疗具重大实际意义.     

基于贝叶斯网络的城市道路交通事故分析

以5 190起交通事故数据为分析依据,基于专家知识和数据融合方法建立了城市道路交通事故分析的贝叶斯网络结构.利用服从Dirichlet分布的贝叶斯方法对贝叶斯网络进行参数学习.结合网络模型,应用联合树引擎推断了在车辆类型、事故地点和交通参与者等因素的影响下交通事故类型概率分布.结果表明:客货车等大型车辆发生侧面碰撞的可...     

某办公室内环境品质预测方法研究

室内环境品质中,通常室内热舒适性对人的影响比较明显.以西安市某办公建筑为研究对象,采用贝叶斯网络的建模方法,在分析空调、通风设备及室内人员和相关扰动对于室内环境品质影响机理的基础上,建立了贝叶斯网络的结构模型.以该模型为基础,采用模型预测控制方法,采用TRNSYS和MATLAB相结合的模拟仿真实验环境方法,建立了室内环境品质预测与优化仿真系统,实验结果表明,贝叶斯网络能够较好的预测室内环境品质.     

基于贝叶斯方法的网络攻击定位和追踪模型

在网络节点之间存在安全依赖关系的前提下,提出了一个基于贝叶斯方法的网络攻击定位和追踪模型.该模型根据网络节点间的安全依赖关系构造安全依赖树.进而采用贝叶斯方法计算各个节点的攻击因子,并据此确定攻击源和攻击路径.     

基于M-H抽样算法的贝叶斯Probit分位回归模型研究

针对Probit分位回归在参数随机化条件下的建模问题,提出基于Metropolis-Hastings算法的贝叶斯Probit分位回归模型.通过分析Probit分位回归模型结构,选择模型的先验分布,运用M-H算法进行参数估计.利用Monte Carlo仿真技术,得到不同分位点模型参数后验分布,同时用贝叶斯probit分位回归与分位回归方法和光滑分位回归方法对模型参数估计进行比较分析.研究结果表明:贝叶斯Probit分位回归模型可以更全面描述离散选择变量的影响,能够得到更加准确有效的参数估计.     

基于自回归移动平均过程的贝叶斯质量控制方法研究

针对自回归移动平均过程中控制变量的观测值并不具有相互独立性,引入贝叶斯分析方法研究过程质量控制问题.通过模型结构的贝叶斯分析,利用残差序列建立了基于自回归移动平均过程的贝叶斯质量控制模型,解决了观察数据相关条件下的过程质量监控问题.仿真分析结果表明:贝叶斯ARMA质量控制方法能够有效地避免了在受控状态下使用常规控制图造成的漏发或虚发报警现象,解决了自回归移动平均过程情况下的质量控制问题.     

贝叶斯模型比较的多模型组合框架在软测量建模中的应用

针对基于单一模型建立的软测量模型存在着预测精度需要进一步提高的问题,在分析目前常用的2种多模型组合框架的基础上,提出了一种基于贝叶斯模型比较的多模型组合框架。该框架以通过模糊c 均值聚类分析获得的生产过程状态变化知识为基础,对每种状态下各子模型的预测性能采用贝叶斯模型比较方法进行比较,并以此为基础在不同状态下采用了不同的子模型加权策略。在进行模型比较时,基于交叉检验分布,使用子模型训练所得采样序列,有效地减少了计算量。将该框架用于工程应用,取得了较好效果。     

关系学习中贝叶斯分类算法的比较研究

数据分类是数据挖掘的主要内容之一,通过分析训练数据样本,产生关于类别的精确描述.贝叶斯分类是数据挖掘领域中一种常用的有效分类方法.在关系学习中,贝叶斯分类算法有很多种,对这些算法进行总结、比较,指出其优点与不足,对提高分类效率有很大帮助.本文对已有的关系学习中贝叶斯分类算法作了详细的比较,并进行归纳总结.在单关系学习中重点介绍了几种基于粗糙集的贝叶斯分类器和加权贝叶斯分类算法,并分析了各种方法的模型、权值确定方法、优缺点及进一步工作方向.在多关系学习中主要比较了几种基于语义关系图的贝叶斯分类算法,重点介绍了MI-MRNBC模型.最后对本文工作进行了总结与展望,提出进一步工作方向是研究基于粗糙集的多关系贝叶斯分类算法.     

贝叶斯预测模型在矿物含量预测中的应用

矿物含量预测是资源评价中经常遇到的问题,贝叶斯预测模型是运用贝叶斯统计方法进行的一种预测.贝叶斯统计不同于一般的统计方法,其不仅利用模型信息和数据信息,而且充分利用先验信息.根据贝叶斯预测模型的特点,介绍了几个贝叶斯观测模型的预测过程和计算步骤,并对白鹿塬水家嘴剖面的mg2+含量进行了观测,根据计算结果,分析了不同贝叶斯预测模型的预测特点,并给出了几点结论.     

二元相依生存数据的贝叶斯统计诊断

基于FGM Copula函数刻画二元相依生存数据的相关关系，B样条函数拟合边际基本危险函数，建议半参数二元相依生存模型，相比较于全参数模型，其更为灵活柔性，适应范围更广.在贝叶斯理论框架下，基于Gibbs抽样和MH抽样的混合算法，对模型未知参数进行估计同时，建议了贝叶斯数据删除影响分析和贝叶斯局部影响分析的统计诊断方法.数据模拟和实例分析例证了所提出的半参数模型及其算法的可行性，所建议的统计诊断方法能检测出潜在异常点或强影响点.     

基于MCMC的贝叶斯长记忆随机波动模型研究

针对贝叶斯长记忆随机波动模型的单步Gibbs抽样算法效率低下的问题,通过对模型在状态空间框架下的近似表示,将向前滤波向后抽样算法引入对波动变量的估计过程中,同时在贝叶斯框架下分析了模型参数的满条件后验分布,设计出Gibbs联合抽样算法.更进一步,在对模型进行参数估计的基础上,提出波动变量的向前多步预报分布的估计方法.模...     

贝叶斯预测模型在气温变化预测中的应用

贝叶斯预测模型是运用贝叶斯统计方法进行的一种预测,贝叶斯统计不同于一般统计方法,其不仅利用模型信息和数据信息,而且充分利用了样品的先验信息.根据贝叶斯预测模型的特点,介绍了几个贝叶斯预测模型的预测过程和计算步骤,并对南宁地区自1970年以来19年间的气温变化进行了预测.根据计算结果,分析了不同贝叶斯预测模型的预测特点,并给出了几点结论.     

基因调控网络的父节点筛选贝叶斯建模方法

在构建基因调控网络的方法中,贝叶斯网络模型可以直观地表达基因间的调控关系,但在结构学习时的复杂度极高,使得网络建模效率较低且规模有限.因此,本文提出一种基于父节点筛选的贝叶斯网络(parent node screening based Bayesian network, PS-BN)建模方法.PS-BN方法将关联模型与贝叶斯网络模型相结合,在充分利用贝叶斯网络模型结构学习搜索策略的前提下,先基于父节点筛选方法去除部分冗余信息,以达到缩减搜索空间的目的.实验结果表明,与传统的贝叶斯网络模型方法相比,PS-BN方法极大提升了基因调控网络构建效率,同时准确率有所提高.     

基于贝叶斯方法的信息系统整合风险评估研究

随着企业信息化程度不断提高,基于业务的信息系统整合是不可抗拒的,整合的风险也必然存在.针对信息系统整合的要素和过程,结合贝叶斯理论与大型企业的信息系统整合的事实,提出了基于贝叶斯方法的信息系统整合项目风险评估模型.利用某实施公司信息系统整合项目支出,对项目支出风险进行了案例分析研究,通过案例分析发现利用贝叶斯方法可以较好地评估信息系统整合风险,尤其是在具备专家经验和先验值的前提下,风险评估效果良好.     

正态模型单参数经验贝叶斯估计

依据经验贝叶斯估计的思想方法,研究在平方损失函数下,正态模型单参数的经验贝叶斯(EB)估计问题.先将理论贝叶斯估计用的边际分布密度函数及该分布密度函数的一阶导数表示出来,再利用过去样本值和当前值 ,采用密度函数的核估计方法构造相应的函数代替理论贝叶斯估计中的函数,得到参数的经验贝叶斯估计,最后证明了所得到的经验贝叶斯估计是渐近最优的.     

贝叶斯与k-近邻相结合的文本分类方法

为了提高分类器的精度,对分类器的结构进行了改进,提出了一种基于贝叶斯和k-近邻组合分类器的模型,该分类方法结合了贝叶斯方法分类速度较快和k-近邻方法分类准确率较高的优点.实验结果表明,该方法在保证分类速度的前提下,有效地提高了分类准确率.