基于共现分析的分类器链标签序列优化方法

针对分类器链模型采用随机生成方式确定标签序列会极大影响分类器链性能的问题。通过共现分析技术深入挖掘标签间的潜在关系, 提出一种基于贪心算法和n-gram模型的两种标签序列优化策略以提升分类器链模型性能。基于贪心算法的策略通过计算和排序标签之间共现率来生成优化的分类器链标签序列, 而基于n-gram模型的策略则通过最大化标签之间条件概率来生成优化的分类器链标签序列。最后通过多个多标签基准数据集进行实验验证, 实验结果表明, 与当前流行的各种分类器链模型相比, 所提的两种策略很有竞争力, 可以明显提升多标签分类效果。     

利用Bayes分析方法预测区带资源量

目前常用的油藏资源量预测模型发现过程法模型在其理论上存在着缺陷 ,在应用过程中存在着因经验性和随意性进而产生的多解性。利用油藏发现序列的Bayes分析方法预测区带资源量 ,克服了传统的发现过程法的缺点。应用两个计算实例充分证实了Bayes分析方法的可靠性。     

INAR(1)模型参数的Bayes估计

利用Bayes方法研究INAR(1)模型的参数估计, 给出了模型参数的Bayes估计因子, 并通过数值模拟将Bayes估计与Yule Walker估计、 条件最小二乘估计、 条件极大似然估计进行比较. 结果表明, Bayes估计方法在一定情形下优于其他方法.     

产生式与判别式分类方法比较研究

分类是数据挖掘领域研究的热点,产生式与判别式是数据挖掘中两种不同的分类模型。产生式模型具有通用性、灵活性及清晰的分层结构,学习得到的模型很容易满足模型解释要求;判别式模型没有明显的对系统中变量的基本分布建模的企图,仅仅对输入到输出之间映射的最优化感兴趣,可以提供更好的分类性能。从准确率、建模时间及渐进误差等方面对产生式与判别式分类方法进行了分析与比较,为研究人员在分类模型的选择上提供了参考。     

q对称熵损失函数下指数分布的参数估计

提出对称熵损失函数的一般形式(λ/δ)^q+(δ/λ)^q-2(q>0) , 即q对称熵损失. 讨论指数分布的尺度参数在此损失函数下的最小风险同变估计、 Bayes 估计和最小最大估计, 给出了更具一般性的结论, 并研究了(cT+d)^-1形式 估计的可容许性和不可容许性.     

基于Bayes估计的多传感器数据融合方法研究

对多传感器数据融合方法进行研究 ,以 Bayes估计理论为基础得到了多传感器最优融合数据 ,并将它与其它方法得到的融合数据进行了比较 .     

基于隐马氏性分析的Bayes网络面雨量模型及其应用

面雨量估算是水文预报及各类流域水文模型中的基础工作. 基于任意网格上的降水量只与其四周网格的降水量具有不可否定的相关性, 我们提出将Bayes网络和Markov随机场应用于面雨量估算中. 采用球面坐标系、EM算法对区域进行插值, 从而可以估算出区域内任一点的降水量. 以青海湖地区的7个降水站点为例进行了面雨量估算的实例研究, 通过与泰森多边形法、距离平方倒数法和克里金法等常用的面雨量估算方法对比发现, 本文的方法具备统计学的意义, 并能解决复杂环境下判断不同点降水量之间关系的问题, 模拟结果更为合理、准确.     

基于多分类器融合的语音识别方法研究

针对语音识别性能提高的问题,提出了一种基于多分类器融合的语音识别方法,该方法使用支持向量机(support vector machine,SVM),RBF神经网络与贝叶斯网络作为成员分类器,根据样本库中抽取的校验集计算各成员分类器的权值,以加权评分的投票策略进行决策融合.实验结果表明,通过多分类器融合的识别结果明显优于...     

冗余系统的Bayes可靠性分析

本文首先指出了Ｂａｙｅｓ方法和冗余系统的重要性,然后,提出了建模的数学背景,并作出并联系统的Ｂａｙｅｓ可靠性分析,最后给出了算例和分析结果.