Mlinex损失函数下Lomax分布的几种Bayes估计

本文针对两参数Lomax分布Bayes估计问题进行了研究.主要运用Bayes定理和减函数,得到了在Mlinex损失函数下,两参数Lomax分布中尺度参数已知时形状参数的多层Bayes估计和E-Bayes估计,并对几种Bayes估计的结果进行了比较.从定理结果来看,Bayes估计在应用上更为方便.     

用共轭分布法选取ε-代换类先验分布族中的分布集

Bayes统计推断中的一个重要问题是它的稳键性.一般采用的后验稳健性的评价标准是使用传统的Bayes风险准则.1973年Huber给出的定理,对后验稳健性的计算是基于先验的ε-代换类D选所有分布的前提,但若D的选择太大会影响后验稳健性的效果.本文考虑用共轭分布法选取D,得到的后验稳健性比D取所有分布时要好.     

两两NQD序列下线性指数分布参数的经验Bayes双边检验

讨论两两NQD序列下线性指数分布参数的经验Bayes(EB)双边检验问题.利用概率密度函数的核估计方法,构造参数的EB检验函数,在适当的条件下证明EB检验函数是渐近最优的,并获得它的收敛速度.举出一个满足定理条件的例子.     

双指数分布族参数EB估计的最优性

讨论双指数分布的位置参数在LINEX损失函数下的Bayes估计.在NA样本情形下,利用概率密度函数的核估计方法,构造边缘分布的概率密度估计,按照参数的Bayes估计形式,提出参数的经验Bayes(EB)估计函数,在一定的条件下可以证明所提出的这个经验Bayes估计函数是渐近最优的,并获得其收敛速度,最后举例说明满足定理...     

两两 NQD 序列下非指数分布族参数的经验 Bayes 检验

讨论两两NQD序列下非指数分布族参数的经验Bayes(EB)检验问题.利用概率密度函数的核估计方法,构造参数的EB检验函数,在适当的条件下证明EB检验函数是渐近最优的,并获得了它的收敛速度.最后举出一个满足定理条件的例子.     

关于中心外的同阶元共轭的有限群的注记

令G是一个非Abel的有限群,并设G的中心外的同阶元是共轭的. 钱国华等证明了GS3, 但证明很复杂且依赖有限单群分类定理. 如其所述, 定理的证明是否可以避免对于有限单群分类定理的依赖是一个值得关注的问题. 本文在不依赖有限单群分类定理的条件下讨论对G的Sylow 2 子群加以某个限制的几种情形的证明, 如当G的Sylow 2 子群是Abel群时的证明.     

基于机器学习的网络流量分类算法分析研究

基于应用的流量分类在网络安全和管理中具有非常重要的作用.传统流量分类大部分是基于端口的预测方法和基于有效载荷的深度检测方法.由于当前网络环境中各种隐私问题以及基于动态端口和加密的应用,传统的网络流量分类策略的有效性已经逐步下降,目前主要集中在基于机器学习技术的流量分类模型进行研究.本文对各种基于机器学习算法的流量分类的比较,如贝叶斯网络(Bayes Net)、朴素贝叶斯(Naive Bayes)、基于RBF的SVM流量分类和基于遗传算法的SVM (GaSVM)流量分类等.这些算法分别使用了全特征选择和优化后的特征集合,实验结果表明基于遗传算法的SVM流量分类精度较高,并在使用主成分特征也可以达到很高的精度.     

一个基于Bayes定理的委托——代理问题研究分析

针对信息不对称的委托-代理问题,提出了委托人对代理人所处的多种自然状态的观测间接获取信息的一种方法,并基于观测到的信息,利用Bayes定理,修正对自然状态先验分布的假设.通过对自然状态的多种分类分析,使之较好地吻合了委托-代理问题中成因多样性的实际情况;对非对称信息的委托-代理问题所进行的细致分析,有助于建立健全各行各业中的委托-代理机制,促进管理效率的提高.     

中文文本分类器的评价

对目前比较流行的4种中文文本分类器(Rocchio、KNN、Naive Bayes、最大熵)进行评价,其中,Naive Bayes和最大熵是基于概率统计的方法,而Rocchio和KNN是基于向量的相似度计算的方法.选用χ2作为文本特征选取方法,对一个中文文本分类语料库进行分类评测.实验结果表明,最大熵和Naive Bayes的分类性能十分接近,处于较好水平,而KNN和Rocchio分类性能稍差一些.     

网络留言分类中贝叶斯复合算法的应用研究

Bayes算法在已知先验概率与条件概率的情况下进行模式分类,待分样本的分类结果取决于各类域中样本的全体,但实际上类别总体的概率分布和各类样本的概率分布函数是不确定的。为了解决上述问题,提出了一种基于SVM-EM算法的Bayes算法,首先利用非线性变换和结构风险最小化原则将流量分类问题转化为二次寻优问题,然后要求EM算法对Bayes算法要求条件独立性假设进行填补,最后利用Bayes算法进行网络留言分类,提高了分类的准确性和稳定性。     

基于特征相关的改进加权朴素贝叶斯分类算法

朴素贝叶斯分类算法的特征项间强独立性的假设在现实中是很难满足的.为了在一定程度上放松这一假设,提出了基于特征相关的改进加权朴素贝叶斯分类算法,该算法采用一种新的权重计算方法,这种权重计算方法是在传统词频反文档频率(TF-IDF)权重计算基础上,考虑到特征项在类内和类间的分布情况,另外还结合特征项间的相关度,调整权重计算值,加大最能代表所属类的特征项的权重,将它称之为TF-IDF-FC权重计算.与基于传统TF-IDF权重的加权朴素贝叶斯分类算法和其他常用加权朴素贝叶斯分类算法比较,如基于属性加权的朴素贝叶斯分类算法,这种算法的分类效果均有一定的提高.     

混合式朴素贝叶斯分类模型

为了降低朴素贝叶斯分类模型的独立性假设约束,提出一种混合式朴素贝叶斯分类模型(MBN:Mixed Naive Bayes)。通过分析贝叶斯定理,把条件属性集合划分成若干个独立的属性子集,用树增广朴素贝叶斯分类对属性子集分别进行分类学习,通过公式进行整合。将该模型算法与朴素贝叶斯及树增广朴素贝叶斯进行实验比较,实验结果表明MBN分类器在多数数据集上具有较高的分类正确率。     

贝叶斯分类技术在高校教师教学质量评价中的应用

高校进行教师教学质量评价是提高教师教学质量,确保教育品质的重要手段。然而目前很多高校对教师教学质量的评价主要是给出一个结论,而对影响教师教学质量的主要因素并没有进行分析。根据高校教师教学质量评价中存在的不足和问题,将贝叶斯分类技术应用于高校教师教学质量评价体系中。讨论了贝叶斯分类的定义和方法,介绍了朴素贝叶斯分类器,并给出具体的数据分类实例,利用过去已有的教学质量评价的经验数据进行实验。实验结果表明贝叶斯分类具有较好的分类性能和较高的分类精度,贝叶分类技术用于教师教学质量评价完全可行。通过贝叶斯分类对教师教学质量进行合理评价,克服人为因素对评价结果的直接影响,为以后的教学质量评价提供合理科学的技术支持。     

基于EM-PLS的加权朴素贝叶斯分类算法

朴素贝叶斯算法是一种简单而高效的分类算法,但是它的条件独立性假设和数据完备性要求,影响了其分类性能;在此提出了一种基于EM算法和偏最小二乘的加权朴素贝叶斯分类算法,实验结果验证了该算法的有效性.     

提高视频对象分割的实时性及多对象分割

视频对象的分割目前存在两个难题,一是如何提高分割的实时性,二是对存在互遮挡的多个对象如何进行有效分割。对前者分割提出了基于自适应跳帧的分割算法和基于CNN(细胞神经网络)的实时分割法,对后者提出了基于时空曲线演化的多视频对象分割和Bayes最小误差判断的方法。仿真实验表明,这些方法是有效的,对这两个难题的最终解决和实际应用指出了新的途径。     

基于贝叶斯增量分类的邮件过滤研究

随着internet的快速发展,垃圾邮件泛滥成灾.面对垃圾邮件日益严重的现状,提出了贝叶斯邮件过滤模型并讨论了贝叶斯分类方法在垃圾邮件过滤中的应用.针对难以获得大量有类别标签的邮件训练集问题,利用贝叶斯具有增量学习特征,分析并提出了基于小规模训练集的贝叶斯增量邮件过滤方法,通过最小化当前邮件分类器的分类损失,来选择有利于提高分类器性能的邮件加入训练集.实验结果表明,该方法是切实可行的并具有良好的效果.     

Naive Bayes算法在垃圾邮件过滤系统中的应用与改进

垃圾邮件是Internet上普遍面临的问题,Naive Bayes算法由于其简单高效性在文本分类中应用较广。文章重点阐述了Naive Bayes算法在基于内容的垃圾邮件过滤中的应用及改进,并进行了实验,获得了良好的分类效果,实验论证了它在垃圾邮件过滤中的可行性和有效性。     

基于相关系数的加权朴素贝叶斯分类算法

朴素贝叶斯分类算法的条件独立性假设在很少情况下能够满足,为了克服该问题,提出了一种基于相关系数的加权朴素贝叶斯分类模型.通过计算条件属性和决策属性之间的相关系数,对不同的条件属性赋予不同的权重,从而在保持简单性的基础上有效地提高了朴素贝叶斯算法的分类性能.首先给出了基于相关系数的属性权值求解方法,然后描述了相应的算法,并对算法原理进行了分析与证明.通过在中医小儿肺炎病例数据集和UCI数据集上的仿真实验,验证了该方法的有效性.     

基于内容的短信分类系统的设计与实现

文章提出了一种基于内容的手机短信分类系统的设计方案．该方案根据短信内容,采用分词技术和贝叶斯机器学习方法,设计基于短信接收者个性化分类和短信中心端自主学习的二层分类方法,实现短信个性化内容分类及其分类结果的增值应用．实验结果表明,本方案可以较为精确地实现短信的个性化内容分类,分类结果可以方便地应用于第三方的增值应用．     

对改进的联想记忆器的研究

运用统计物理学的平均场理论来研究改进的联想记忆器问题。通过对三阶输出函数的有关网络状态的稳定性讨论,提出了一种对伪态的影响加以削弱的方法,并与Ｈｏｐｆｉｅｌｄ联想记忆网络进行了比较以及给出模拟结果来验证理论分析。