决策影响图在设备可靠性系统分析中的应用

决策影响图是决策分析的一种新的图形表征求解方法，它用无回路的有向图表征决策变量、随机变量和目标函数之间的相关关系，并进行推理分析、信息分析和灵敏度分析等．本文运用影响图分析法研究设备可靠性分析问题．     

贝叶斯预测与鲍克斯──詹金斯预测比较

本文是在全面了解Ｂａｙｅｓ预测与Ｂｏｘ－Ｊｅｎｋｉｎｓ预测的基础上，对这两种预测的主要特征加以对照和比较，指出了它们在建模思想、建模条件、建模步骤等方面的不同点以及两种预测模型的关系，从而使读者更深入地了解Ｂｏｘ－Ｊｅｎｋｉｎｓ预测。     

信息论在统计学中的应用

本文用申农(Shannon)关于信息定量的方法,对一类贝叶斯(Bayes)估计进行了讨论,提出了可信样本容量的确定方法,把信息论直接应用到统计学中。     

加速寿命试验Bayes方法的一个注记

本文在失效分布未知条件下,使用Bayes方法在先验分布取为负对数Gamma分布的情况下,首先给出各种应力水平下平均失效率的估计,然后利用这些估计值给出加速寿命模型,从而得到正常应力下的平均失效率估计。本文最后通过一个数值例子,详细地叙述了使用这种方法的全过程。     

贝叶斯序贯高斯模拟方法

各种静态数据约束下的三维储层模型是指可以同时满足地震和测井数据的模型。研究了整合中等垂向分辨率地震数据的方法。引入贝叶斯定理的序贯高斯模拟方法,即贝叶斯序贯高斯模拟,用来整合中等垂向分辨率的地震数据,在给定地震频率的条件下,提高模型的分辨率。模拟结果表明,该方法能很好地整合中等垂向分辨率的地震数据,解决整合地震和测井数据存在的“体支撑”难题,生成高于地震垂向分辨率、低于或等于测井分辨率的三维储层模型。     

基于贝叶斯判别器的面部检测

 提出了1种基于PCA(主成分分析)的贝叶斯判别器用于检测灰度面部图像.为检测面部图像,首先用PCA减低训练图像的维数以为判别器提供教好的图像描述.训练图像包括面部图像和非面部图像并给出正确标识,用EM算法学习图像的特征向量.在构建好学习模型后,用贝叶斯后验概率检测未知样本.模型参数估计和判别原则都是基于最大似然度.在估计了概率密度函数后,贝叶斯判别器可产生最小的误差,为分类的教优准则.本方法用2356副面部图像和3780非面部图像作为学习样本,学习过程获取面部图像与非面部图像的差异而构建判别模型.训练图像包括不同位置,不同表情,不同亮度条件的同一对象图像.训练模型用于检测205副面部图像,实验结果在文章第4部分给出.     

基于贝叶斯理论的未知病毒检测算法的实现

计算机病毒严重地危害了计算机世界的安全,如何有效地利用已知病毒的特征对未知病毒进行检测是一个非常重要的研究课题。对基于贝叶斯分类理论的未知病毒检测算法给予了系统设计和实现。实验结果表明,这种新的算法对未知病毒具有较高的分辨率。     

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.     

基于贝叶斯网络的概率安全评估方法研究

针对传统的事件树/故障树分析方法的局限性,提出了基于贝叶斯网络的系统概率安全评估方法.该方法采用了一体化的建模思想,将故障树和事件树转化为贝叶斯网络进行分析,不仅可以得到常用的安全性分析结果,还可以得到其他有用的信息,非常便于推理和诊断.而且该方法还可以处理多态、相依、非单调和非确定性逻辑关系,有很强的适用性.通过1个油井平台瓦斯泄漏实例说明了该方法的有效性,并与传统的故障树/事件树分析方法和基于二元决策图的分析方法进行了比较.     

动态贝叶斯网络在复杂系统中建模方法的研究

提出了用动态贝叶斯网络(DBN)对复杂系统进行建模的有效方法。基本思路是将扩展后的隐变量引入了DBN的演化过程中来建立马尔可夫模型,并给出了引入扩展后的隐变量的DBN结构学习算法框架。进而,利用贝叶斯概率统计方法对后续时间片的充分统计因子进行了估计,并通过当前已存在的充分统计因子和估计的充分统计因子对基于时间变化的转移概率进行了学习。原理性分析和仿真实验结果也验证了该方法的有效性。