由古典概型引入贝叶斯公式的一种教学设计

对贝叶斯公式的教学方案进行了设计,通过引入简单实例,尝试应用学生熟悉的古典概型的计算公式导出贝叶斯定理.结合案例直观解释贝叶斯公式中所包含的先验信息和后验信息等概念,使学生更容易理解和掌握贝叶斯公式,并逐步理解贝叶斯公式在贝叶斯统计中的重要地位.     

Ⅱ型双截尾下逆威布尔分布尺度参数的估计

基于Ⅱ型双截尾样本,通过极大似然法得到了尺度参数极大似然估计的迭代公式.选取尺度参数的先验分布为无信息分布和伽玛分布,分别在平方损失和熵损失下,给出尺度参数的贝叶斯估计.利用Monte-Carlo模拟比较了各种估计的均方误差,结果表明,当选取伽玛先验和熵损失时,参数的贝叶斯估计最优.     

数据挖掘中的贝叶斯网络构建与应用

贝叶斯网络是数据挖掘有效的工具之一,贝叶斯网络能够处理不完整数据.定量地描述了数据间的相关性,并以图形的方法描述数据间的相互关系.分析了构建贝叶斯网络的基本理论,并指出了贝叶斯网络在数据挖掘中的应用.     

基于贝叶斯网的专家系统平台的开发与应用

针对基于贝叶斯网建立专家系统所涉及的关键问题,采用分离技术、"噪音或"技术和转换现有的确定性因子知识库等技术简化贝叶斯网的构造,利用变量消去算法实现了贝叶斯网的精确推理,开发了贝叶斯网建网组件和推理组件,并应用这两个组件建立了简单的奶牛疾病诊断专家系统和蔬菜种植专家系统.实际运行表明,所开发的贝叶斯网建网组件和推理组件在表示与处理不确定性知识时是非常有效的.     

基于股票财务数据的贝叶斯网络的参数学习

研究了基于最大似然估计、贝叶斯估计与EM算法的贝叶斯网的参数学习.选取上市公司的10个股票财务变量构建贝叶斯网络,利用创建好的贝叶斯网络进行统计推断.对比最大似然估计和贝叶斯估计得到的参数值并展示EM算法不同迭代次数时的指数似然值,把EM算法得到的CPT表和最大似然估计的值相比较,对比较得到的结果进行归纳与分析.为基于不同算法的贝叶斯网络的参数学习提供了实证分析.     

一种改进的基于社团发现的贝叶斯众包模型

在众包模型中,通常将每个工人的融合矩阵视为潜在的变量,采用贝叶斯后验分布对参数进行估计.由于融合矩阵数量多并且规模大,因此众包模型的计算量非常大.该文将所有的工人按照相似性划分为若干社团,每个社团中的所有工人采用相同的融合矩阵.在众包模型参数的计算中,采用贝叶斯后验分布方法进行推导,应用消息传递算法计算每个参数的近似间隔分布,并且应用最大间隔似然模型选择工人集合中的最优社团数量.实验表明,本文提出的基于社团的贝叶斯众包模型与其他相关研究相比在降低了算法的复杂度同时也提高了算法的准确性.     

大肠癌的贝叶斯预测

根据所查找数据,分别对下消化道报警症(便血、消瘦、贫血、大便变细、腹部包块和肠梗阻)、年龄、家族肿瘤史、饮食习惯和心理健康状况与大肠癌的相关性进行2c检验.检验结果表明,便血、贫血、年龄、家族肿瘤史和饮食习惯是与大肠癌发生密切相关的因素.利用贝叶斯公式根据筛选出的相关因素建立了大肠癌危险人群的预测模型,为病人是否需要进一步的技术性检查提供理论依据.从医院随机抽取某病例进行验证,预测结果与检验结果一致.     

k阶Erlang分布参数单变点的贝叶斯估计

利用贝叶斯方法研究了k阶Erlang分布参数单变点模型,得到该分布的似然函数.利用Fisher信息矩阵选取无信息先验分布,从而得到每个参数的满条件分布.使用Gibbs抽样与M-H算法相结合的MCMC方法对各参数进行随机模拟得到贝叶斯估计.模拟结果表明,各参数的估计值的精度在较高水平上都是有效的.     

基于贝叶斯决策树的医学图像分类方法研究

随着PACS系统在我国各医院的普及,PACS数据库中存储了大量的医学图像信息,如何把这些图像进行分类来提供相似病例图片,从而为临床诊断提供辅助帮助已成为研究热点.关于医学图像的分类,已有很多学者从不同方面用不同方法进行了研究.本文使用贝叶斯决策树的方法对PACS数据库进行教据挖掘,实现医学图片的分类.贝叶斯决策树不仅能够提高分类的准确率,而且能够处理不一致,不完整数据等"脏数据",本文充分发挥了贝叶斯方法和决策树方法的优点,通过对肺癌图片进行良性、恶性分类,证明了本方法的有效性.     

保护隐私的分布式朴素贝叶斯挖掘

目前,分布式隐私保护朴素贝叶斯挖掘算法仅考虑分布式参与方的局部数据隐私而忽略全局的数据隐私,故难以有效抵抗合谋攻击.为此,基于差分隐私、秘密共享、安全多方计算等技术,提出一种分布式隐私保护朴素贝叶斯新算法.该算法采用安全求和协议构建保护隐私的朴素贝叶斯协议,对参与方的局部数据进行隐私保护.利用差分隐私保护机制对全局学习得到的朴素贝叶斯分类模型进行隐私保护.针对可能存在的合谋攻击,基于秘密共享设计了随机选择协议,将添加Laplace噪声的参与者随机化,有效防御安全多方计算中的相邻节点合谋及多数节点合谋攻击,并在此基础上优化保护隐私的朴素贝叶斯挖掘算法.实验表明,该隐私保护算法具有良好的分类性能和扩展性.     

基于改进主观Bayes方法的不确定推理模型设计

通过分析主观Bayes方法与专家系统中不确定推理的研究现状,提出了一种加入可信度的主观Bayes方法模型.该方法消除了可信度CF和规则成立的充分性量度LS之间可能存在的不一致性,减少了后验概率对先验概率的依赖,并在森林病虫害专家系统中进行应用实现.     

NA样本情形连续型线性指数分布参数的经验Bayes估计

对连续型线性指数分布在平方损失下导出了参数的Bayes估计，利用同分布负相协（NA）样本构造了经验Bayes（EB）估计量，并在适当的条件下获得（EB）估计的速度．     

关于名义尺度总体分布的EB估计

本文研究了一个名义尺度总体分布参数的经验贝叶斯估计与线性经验贝叶斯估计问题。     

双指数分布位置参数的经验Bayes检验问题：NA样本情形

讨论了双指数分布位置参数的经验Bayes（EB）检验问题，利用同分布NA样本构造了EB检验函数，在适当条件下证明了EB检验函数的渐近最优性并获得了其收敛速度．     

加权平方损失下一类指数分布族刻度参数的估计

对一类刻度指数分布族c(x,n)θ~(-y)e~[-T(x)/θ],利用加权平方损失函数L(θ,δ=(δ/θ-1)~2研究了刻度参数θ的最小风险同变估计.经由Bayes估计给出了最小风险同变估计的精确形式,并讨论了它的最小最大性,最后应用积分变换定理证明了θ的Bayes估计具有不变性.     

利用朴素贝叶斯模型进行多层网络链接预测

针对多层网络链接预测中层间信息融合的问题,提出了一种利用朴素贝叶斯模型的链接预测方法。该方法结合目标层的邻域信息和辅助层相对于目标层的全局信息进行链接预测。在目标层中,根据节点对的邻域信息,利用朴素贝叶斯模型计算其连接概率;在辅助层中,计算节点对在该层有边或无边时在目标层存在链接的概率。在真实数据和合成数据上的实验结果表明：该算法在正相关和负相关的多层网络中都有很好的预测性能。     

基于显微图像的动物纤维鉴别技术

羊绒与细羊毛的主要辨识依据是两者的表皮鳞片模式.该领域内常用的一项技术是分析纤维的SEM图像,通过鳞片边缘高度来区分两类纤维,但其成本高昂,且有8%的误差.该文提出区分两类纤维的新方法,首先将显微摄像系统获取的纤维图像处理成单像素宽度的二值骨架图,通过该二值骨架图提取纤维鳞片的4个相对形状参数,构建贝叶斯 分类模型.数值实验表明,尽管该模型是基于光学显微镜的,但其分类性能却相似于基于扣描电镜的模型,对羊绒与细羊毛(70S)的正确识别率达到90%.     

PC准则下回归系数估计优良性的计算机模拟

在PC准则下对线性模型中设计矩阵病态时的几种改进估计－－岭估计，压缩估计及Bayes估计进行了计算机模拟，模拟结果显示了几种改进估计的统计优良性。     

利用概念知识的文本分类

针对统计方法不能从语义理解的角度进行文本分类的问题,提出了利用概念层次网络概念知识进行文本分类的方法,包括两部分：依据概念进行特征选取以及根据类别关联度分类. 在特征选取时,通过计算概念与类别的区分度挖掘出类别核心概念,并采用类别核心概念对特征项进行精选. 依据类别核心概念相关的类别语义信息,提出了文档与类别关联度的计算方法,并根据类别关联度来判断文本类别. 实验表明,该方法可有效降低特征空间维数,在提高分类效率的同时保证了分类效果,F1值略有提高. 与SVM、KNN和Bayes分类器对比,当特征项数目较少时,该方法的F1值明显高于其他3种方法,综合分类效果与SVM相当,优于KNN和Bayes.