基于Bayes网络的项目风险评估方法研究

本文研究了项目风险评估的建模方法 ,通过与其它传统的项目风险评估方法比较 ,针对项目风险评估的信息不完备、具有一定不确定性的特点 ,选择Bayes网络建立项目风险评估模型。本文内容适合于在不确定环境下 ,信息不完备时的项目风险评估     

多维正态分布参数估计的损失函数和风险函数的Bayes估计

在N P（θ,Σ）和方差Σ已知情况下,给出了多维正态分布多维参数均值θ=（θ1,θ2,…,θΡ）估计的损失函数和风险函数的Bayes估计。     

基于KULLBACK信息融合方法的系统可靠性评估

在产品具有多源验前信息的情形下,讨论冷贮备系统的可靠性评估问题,运用Kullback信息作为分布之间距离的度量,在Kullback信息的融合准则下对多个先验分布进行融合。并以融合后的先验分布作为产品的最终验前分布,对冷贮备系统的可靠性指标进行Bayes估计。最后进行的计算机随机模拟结果表明,文中所提出的方法合理且便于应用。     

电能质量扰动分类的贝叶斯方法

随着非线性负荷的大量使用,电能质量问题已日益受到关注．对各种电能质量扰动进行分类,是采取适当措施降低扰动带来影响的前提．小波包是在小波变换的基础上发展起来的,能够提供更为丰富的时频信息．为此,对电能质量扰动信号进行小波包分解,分别以小波包分解终结点的能量和熵作为特征向量。用贝叶斯分类器进行分类识别,对扰动分类做出了仿真分析,仿真结果验证了该方法的有效性．通过与Fisher分段线性分类器进行比较,表明以熵为特征向量的贝叶斯分类方法有较高的识别正确率．     

Privacy Quantification Model Based on the Bayes Conditional Risk in Location-Based Services

The widespread use of Location-Based Services(LBSs),which allows untrusted service providers to collect large quantities of information regarding users’locations,has raised serious privacy concerns.In response to these issues,a variety of LBS Privacy Protection Mechanisms(LPPMs)have been recently proposed.However,evaluating these LPPMs remains problematic because of the absence of a generic adversarial model for most existing privacy metrics.In particular,the relationships between these metrics have not been examined in depth under a common adversarial model,leading to a possible selection of the inappropriate metric,which runs the risk of wrongly evaluating LPPMs.In this paper,we address these issues by proposing a privacy quantification model,which is based on Bayes conditional privacy,to specify a general adversarial model.This model employs a general definition of conditional privacy regarding the adversary’s estimation error to compare the different LBS privacy metrics.Moreover,we present a theoretical analysis for specifying how to connect our metric with other popular LBS privacy metrics.We show that our privacy quantification model permits interpretation and comparison of various popular LBS privacy metrics under a common perspective.Our results contribute to a better understanding of how privacy properties can be measured,as well as to the better selection of the most appropriate metric for any given LBS application.     

基于贝叶斯网络的因果告警相关方法研究

指出告警相关的定义和必要性,阐述因果告警相关方法,引入基于贝叶斯网络的概率相似性法则改进前者。     

车身检测数据的多元贝叶斯建模与质量监控

提出了一种融入动态干预算法的多元经验贝叶斯（MEB）模型,并用于评价车身尺寸的均值、标准差等质量参数.该模型采用较为平稳的历史测量数据和相关性较强的多元测点信息进行误差修正,显著减小了由系统误差而导致的MEB模型的评价误差.构造了一组基于模式识别的动态干预算法、用于自动识别制造过程中的系统误差模式.同时,以某车型车身测量数据处理为例,验证了所提出方法的有效性.     

基于信息优化融合的煤矿井下环境安全监测技术

针对传统的传感器监测矿井环境存在评判可靠性低、数据单一的缺点,提出一种基于多参数、两级信息优化融合的安全监测方案.该方法综合了瓦斯、粉尘、CO、风速、温度对矿井环境的影响,利用多传感器采集其参数,首先用Bayes理论对剔除了疏忽误差的同质数据源进行一级融合,形成矿井环境特征向量,然后用灰色理论进行灰色关联度分析的二级融合,根据融合后的关联度判断环境安全等级,实现对矿井环境监测参数的优化和整合.研究表明,该方法充分利用多种有效监测数据,既实现了同质数据源的优化,又从整体上考虑了异质数据源的互补性,提高了监测系统的可靠性、全面性.     

AdaBoost分类问题的理论推导

为解决AdaBoost算法在二分类问题及多分类问题上缺乏共同的理论基础,算法系列的系统性难以得到理论诠释这一问题,首先,从算法思想的层面对AdaBoost算法与最优贝叶斯推理的关系进行了探讨;然后对AdaBoost算法的训练流程及相关参量进行了定量分析;最后从基本不等式定理入手,重点推导了AdaBoost算法由二分类问...     

恒定应力加速寿命试验指数部件可靠性的Bayes估计

本文介绍在恒定应力加速寿命试验下,指数部件可靠性的Bayes估计。可略去如下假设:失效分布的参数和使用的应力之间有一已知的函数关系,仅利用不同应力水平下测试的数据,即可给出正常应力下指数部件可靠性指标的表达式。最后给出一个例子。