一种新的关于行动决策问题的后验概率的计算方法

【目的】从一个实际的贝叶斯检验例子出发,为克服此类型问题中后验概率计算的复杂性,提出改进计算方法。【方法】通过数值实验引出改进后的计算方法,并在理论上证明了改进方法的可行性与准确性。【结果】在该方法的基础上加以推广使它适用更复杂的情况,最后的算例分析进一步表明该方法的推广是成立的。【结论】基于本文提出的后验概率的计算方法,不仅未使最后的计算结果发生改变,而且使得计算的步骤得到了极大的简化。     

基于邻域影响的改进粒子群算法的聚类算法

K-均值算法是一种传统的聚类分析方法,具有思想与算法简单的特点,因此成为聚类分析的常用方法之一。但K-均值算法的分类结果过分依赖于初始聚类中心的选择,对于某些初始值,该算法有可能收敛于一般次优解,在分析K-均值算法和粒子群算法的基础上,提出了一种基于邻域影响的改进的粒子群算法的聚类算法,通过对粒子群算法的改进来优化与K-均值结合的聚类算法。该算法将局部搜索能力强的K-均值算法和全局搜索能力强的粒子群算法结合,提高了K-均值算法的局部搜索能力、加快收敛速度,有效阻止了早熟现象的发生,达到那些离群的孤立点。实验表明该聚类算法有更好的收敛效果,一方面聚类所用的时间更短,另一方面聚类的准确率更高。     

利用Petri网模型的求解因果图最小割集的算法

【目的】为快速有效地求得因果图的最小割集。【方法】将因果图转换为Petri网模型,利用Petri网的特点提出一种新的求解因果图最小割集的算法,该算法省略了求因果图节点事件的一阶割集和最终割集这两步,大大减少了因果图用于故障诊断的时间。【结果】以实例说明了这一求解过程,并验证了算法的有效性。【结论】利用上述算法能够快速有效地求得最小割集,从而可对系统进行定性分析。
     

小麦幼苗对盐渍胁迫的生理反应研究

本文选取了两个小麦品种(商丘碱麦和济源728)在人工气候室液体培养条件下,对盐渍胁迫下的几个不同生理反应进行了研究。两品种地上部器官生长量均随盐(NaCl:Na_2SO_4,7:3,w/w)浓度增加而降低。商丘碱麦的地上部生长量受盐渍胁迫影响较小,它的抗盐性较强:济源728品种地上部生长量受盐渍胁迫影响较大,它的抗盐性较弱。经盐溶液处理后,两个品种的水势和吸水率均显著降低。品种之间表现出一定差异,商丘碱麦水势低于济源728,吸水力大于济源728。叶细胞膜透性随盐浓度和处理时间而加大。抗盐性较弱的济源728透性大于商丘碱麦,细胞膜破坏程度较大。     

序信息系统下基于变精度与程度近似算子的组合粗糙集模型简

基于不可分辨关系的变精度粗糙集和程度粗糙集都是对经典粗糙集的拓展,分别反映了信息的相对量化和绝对量化.为了融合2种模型的优点同时为使其更具实际意义,本文在序信息系统中通过对2对上下近似算子的重新组合,构造了2个新的粗糙集模型,并仿照研究经典粗糙集理论的方法深入地研究了其数学性质.最后通过学生成绩这一案例求解分析对本文作进一步说明,本文为序信息系统的知识发现提供了进一步的理论基础.     

混合样本下递推核估计的强相合性

讨论了φ混合下递推核估计及递推改良核估计的强相合性,其中的递推核估计中对φ混合速度要求比文献（１）中对φ混合的速度要求弱得多。     

基于因果图的一种近似推理算法

在因果图理论中,采用图形化和直接因果强度来表达知识和因果关系,它克服了贝叶斯网的一些不足,已经发展成了一个能够处理离散变量和连续变量的混合模型.但由于因果图的精确推理是NP难的,不能完全适应实际问题的需要,因此给出了一种近似推理算法,削减了因果图精确算法的步骤和需要的一些苛刻条件,使得计算的复杂度与事件的节点数同阶,并用具体例子说明了算法推理过程.     

基于粗糙集理论和因果图的故障诊断

【目的】复杂系统发生故障时会导致许多冗余信息产生,以此建立的因果图模型结构复杂,推理难度较大,针对这个问题提出了基于粗糙集和因果图理论的故障诊断方法。【方法】先根据历史故障数据建立决策表,利用粗糙集理论对决策表进行属性约简得到最小决策表,再根据最小决策表对原始因果图进行约简,最后利用约简后的因果图模型进行故障诊断推理。【结果】从一定程度上降低了因果图模型的复杂程度,从而提升了推理速度。【结论】以某电网为例应用此方法,因果图模型的确得到了简化,样本检验结果也与实际结果一致,说明了该方法的可行性和准确性。     

基于D-S理论的因果图区间分析方法

【目的】针对实际应用中事件发生概率具有不确定性的特点,研究解决获取事件发生概率精确值的问题。【方法】运用D-S理论提出了因果图区间分析方法,避免了获取概率的精确值,使用似然函数和信任函数分别作为因果图中基本事件区间概率的上限和下限。针对出现异常现象的事件先确定出可能导致其发生的基本事件,再分别求出这些基本事件的后验概率,然后利用相对优势度对区间数比较大小。【结果】区间数最大的基本事件就是故障源。【结论】用区间数来表示事件发生的概率值,解决了事件发生概率精确值的不确定性问题。     

熵损失函数下幂函数分布和瑞利分布参数的Bayes估计

【目的】研究熵损失函数下幂函数分布和瑞利分布参数的Bayes估计并对它的可容许性进行验证。【方法】以幂函数分布及瑞利分布为基础,以熵损失函数为主要的损失函数通过参数估计的方法和性质进行证明和研究。【结果】证明得到任意分布在熵损失函数下参数的Bayes估计、先验分布为伽马分布熵损失函数下两个分布参数的Bayes估计,得到参数可容许性。【结论】得到参数的Bayes估计,同时得到两个分布的参数在熵损失函数下的Bayes估计是可容许的。