浅析贝叶斯公式及其在概率推理中的应用

贝叶斯推理是在不完全信息下,对部分未知的状态利用主观概率估计或统计得到的先验概率,然后用贝叶斯公式对诱发某结果的最可能原因进行概率推理。本文通过例子介绍了贝叶斯公式的意义及其在概率推理中的应用。     

学生就业贝叶斯网模型的构建与推理

贝叶斯网是一种帮助人们将概率统计应用于复杂领域、进行不确定性推理和数据分析的工具.构建了学生就业贝叶斯网模型,找出就业受择业观念、能力素质、择业技巧、就业心理等因素影响的相互依赖关系,并在学生就业贝叶斯网模型基础上利用簇树进行推理.     

一种基于概率图模型的关联规则更新方法

针对事务库发生变化后关联规则的更新问题,讨论了一种只对具有实用价值的关联规则更新其前件的方法.首先分析了关联规则各组件间的依赖关系及其不确定性,进而建立描述其中所蕴含不确定性知识的贝叶斯网模型(称为规则贝叶斯网),并提出了基于Gibbs采样的规则贝叶斯网近似推理算法,从而实现关联规则的更新.实验结果表明,作者提出的基于概率图模型的关联规则前件更新方法具有高效性和可行性.     

不确定性知识的定性表示、推理及其应用——定性概率网研究综述

 贝叶斯网是不确定性知识表示和推理的有效框架,定性概率网是贝叶斯网的抽象表示,它简化了不确定性知识的表示,加速了不确定性知识的推理.近年来,定性概率网成为了不确定人工智能和知识发现领域的一个重要研究方向.分析总结了目前定性概率网的挑战和研究成果,主要包括定性概率网的知识表示、推理及应用3个方面.表示方面,概括了定性影响、定性加协作、定性乘协作和原因间影响,并探讨了定性概率网表示机制存在的问题及主要解决方法;推理方面,描述了推理算法,探讨了定性概率网推理冲突问题,分析比较了解决推理冲突的主要方法;应用方面,概括了基于定性概率网的知识发现和决策支持的主要方法.此外,基于对现有研究成果的分析总结,也指出了定性概率网相关方面进一步研究的问题及重点.     

负二项分布参数的一类近似区间估计

借助负二项分布和卡方分布的极限关系,推导给出当参数P较小条件下的近似区间估计,并通过数值例子介绍了此区间估计方法的应用．     

负二项分布参数的贝叶斯区间估计问题

研究了在先验分布为贝塔分布下,负二项分布未知参数θ的贝叶斯区间估计方法。借助Beta分布与F分布的关系给出了参数θ的一般后验区间估计,并给出了参数θ的最短后验区间估计的条件极值解法。通过对参数取值不同的密度曲线形状的讨论分析和数值实例对比,得出结论：在小样本情况下,最短置信区间估计方法值得采用。     

基于区间值相似度集合的多规则近似推理模型

给出区间值相似度集合的概念,并基于区间值相似度集合详细研究了多规则近似推理模型及其推理算法,讨论了基于区间值相似度集合的简单近似推理模型的还原性．最后,通过１个实例验证了推理模型和推理算法的有效性．      

随机信息中系统参数的灰色贝叶斯区间估计研究

在贝叶斯可信区间估计理论基础上,借助于灰色理论研究随机信息下贝叶斯灰色可信区间的估计问题,较传统的方法能够获取更多的有效信息.     

基于贝叶斯推理的水环境系统参数识别

为了克服监测数据有限而且存在误差给水环境系统参数识别带来的困难,以一维河流水质模型方程为例,构建了水环境系统参数识别的贝叶斯算法．结合模型参数的先验分布和水质监测数据,通过贝叶斯定理计算获得了表征参数分布规律的联合后验概率密度函数．通过马尔科夫链蒙特卡罗模拟对后验分布进行了采样,获得了参数的后验边缘概率密度,并在此基础上获得了参数的数学期望等统计量．计算结果表明采用贝叶斯推理获得的模型参数估计具有很高的精度．此算法构造直观、简单,成功解决了水环境系统参数的可识别性问题．     

公安情报的贝叶斯推理机制研究

文章系统阐述了公安情报分析中的贝叶斯推理机制的原理、方法、特点和局限性,给出了在刑侦实践中贝叶斯推理机制的操作与推演过程,并借助一个一般案例去简要、直观地展示了贝叶斯推理在公安情报实践应用中的具体操作步骤.     

基于相似关系的广义近似推理方法

目前基于相似关系的近似推理方法 (SBAR)对相似关系的理解并不一致 ,在推理过程中未能考虑相异关系的影响。提出了一种基于相似关系的广义近似推理方法(GSBAR) ,并详细论述了 GSBAR的推理流程以及其中的相似关系函数、相似关系调整函数、相似关系合成函数和推理转换函数的性质 ;进而证明了该方法的逼近能力 ;同时给出了 GSBAR的一个示例。结果表明 ,GSBAR严格遵照相似关系定义 ,综合考虑相似关系和相异关系 ,推理过程直观简便 ,具有一般意义     

基于Vague集的双向近似推理

给出了一种新的Vague集间的上似度量方法，提出了Vague集间相似方向的概念，可以用它来描述两个相似Vague集中哪个所包含的信息更精确，并给出了一个判定方法，在此基础上给出了一种基于Vague集的双向近似推理方法，该方法更好地利用了Vague集信息的精确性，从而提高了推理的精确性和适用性，为智能系统中的近似推理提供了一个十分有用的工具。     

贝叶斯网络在图书采购中的应用

以图书采购为研究对象,运用贝叶斯网络构造理论,从读者的需要出发,构造了基于读者信息、书目信息、借阅信息的贝叶斯网络,并在此基础上结合加权平均原理,建立了图书馆图书采购模型,为图书馆的图书利用及采购提供了参考。     

基于可变模糊集理论的径流预报单要素近似推理法

在深入研究径流中长期预报的单要素预报模糊推理方法基础上.针对其中应用传统的模糊分布函数来描述模糊子集的不合适问题.结合可变模糊集理论,提出了基于可变模糊集理论的径流预报单要素近似推理法;与原有的单要素预报的模糊推理方法相比,新方法可以科学合理地确定待预报径流量隶属干模糊子集区闻的隶属庹,使模糊推理方法更趋完善;详细介绍了新方法的基本原理及步骤;将新方法应用于磨盘山水库年径流预报,验证了方法的科学合理性.     

Bayesian推理在远程答疑专家系统中的应用

介绍了基于Bayesian推理的远程答疑专家系统RQAES的系统结构及其工作原理，重点分析了Bayesian推理与决策的方法及知识表示与知识库设计技术。系统具有自学习、个性化的特点，是远程教育实践中不断完善的重要模块之一。     

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。     

时间序列趋势项的贝叶斯估计

系统地分析了AR(p)误差项的时间序列模型的数学模型及条件似然函数,并根据似然函数的统计结构构造了模型参数的共轭先验分布,研究了正态-混合Γ先验下模型的贝叶斯推断理论,包括趋势项的核估计参数及先验参数的后验分布的统计推断.     

基于Vague集的近似推理方法

针对Vague集之间相似程度的度量方法存在的缺陷,给出了一种新的相似度量方法。同时,也提出了一种新的Vague集的交并运算规则,并用实例说明了基于这种相似度量的近似推理的推理过程,为智能系统中的近似推理提供了一个十分有用的工具。     

基于正态-混合对数正态共轭先验下时序趋势项的贝叶斯推断

系统地分析了AR(p)误差项的时间序列模型及条件似然函数,并根据似然函数的统计结构构造了模型参数的共轭先验分布,研究了正态-混合对数正态共轭先验下模型的贝叶斯推断理论,包括趋势项的核估计参数及先验参数的后验分布的统计推断.     

光滑样条回归的分层贝叶斯方法

从光滑样条回归的贝叶斯解释出发，将光滑参数λ看作先验分布中的超参数．用分层贝叶斯的方法，假定λ的先验分布为伽玛分布，用后验均值估计回归样余．通过模拟表明本文提出的方法具有很好的估计效果．