Bayes决策理论用于模式识别分类问题的进一步探讨

给出2种Bayes决策分类方法,分别设计出了相应的分类器,最后通过一实例,对2种方法进行了比较与分析.     

云南西部地区眼后段异物伤分析

目的:探讨云南西部地区眼后段异物伤的原因和手术效果。方法:回顾性分析眼内异物伤患者86例92眼,进行眼球表面定位法后径异物摘出术35例(35眼)和玻璃体切割异物摘出术51例(57眼)。结果:云南西部眼后段异物伤的主要原因为打击伤和爆炸伤。玻璃体切割术异物摘出率高于后径摘出术,96.5%(55/57)对85.71%(30/35)。玻璃体切割术者术后视力明显好于后径摘出术者(P<0.01)。结论:玻璃体切割术是治疗后段眼内异物的理想方法。     

用于有虚载波OFDM系统的信道估计算法

提出了一种适用于有虚载波的正交频分复用系统的改进信道估计算法。由于传统的信道估计器无法估计虚载波处的信道传输函数,从而逆离散傅里叶变换导致信道能量泄漏,使得时域滤波方法不能直接应用。为了解决这个问题,利用信道冲激响应的有限性,推导了以最小二乘法(least square, LS)来估计虚载波处的信道传输函数。进一步观察信号子空间和噪声子空间中噪声的相关性,使用最大后验概率准则估计出信号子空间的噪声并消除其带来的估计误差。该算法不仅可在训练模式下应用,也可推广应用于基于判决反馈的跟踪模式。仿真结果表明,改进算法无误符号率平台效应,且其误符号率较传统LS算法有2 dB的信噪比增益。     

贝叶斯框架下泊松分布参数倒数的估计

在给定的一组泊松样本下,研究了泊松分布参数倒数的贝叶斯估计问题,得到了它的贝叶斯估计的精确形式,并讨论了它的可容许性,最后给出了它的贝叶斯置信下限的表达式以及最大后验区间估计的精确形式．     

具有多丢包的随机奇异系统的分布式后验滤波器

考虑网络传输过程中的随机数据包丢失现象,研究带有多个传感器的局部随机奇异线性系统的分布式后验滤波问题。首先,基于典范型分解将原奇异系统转化为快、慢两个降阶子系统。快子系统的后验滤波由已有结果给出,然后针对慢子系统提出局部后验滤波器,且推导了任两个传感器子系统之间的互协方差矩阵的计算公式;进而由线性最小方差意义下的矩阵加权融合算法获得原始奇异系统的分布式融合后验滤波器。仿真研究验证了算法的有效性。     

经伤椎单侧固定治疗后纵韧带完整的胸腰椎骨折的临床疗效分析

目的探讨经后路短节段伤椎单侧5钉固定治疗后纵韧带完整的胸腰椎骨折的临床疗效。方法:2013年1月～2018年5月,采用后路短节段经伤椎单侧5钉固定治疗后纵韧带完整的胸腰椎单一椎体骨折,共30例,所有伴有神经损伤的患者均行椎管潜行减压手术。通过观察患者手术前后的伤椎前缘高度比、Cobb角、Frankel分级及术后脊柱侧方成角的变化,从而评价经伤椎单侧固定的临床疗效。结果所有患者均获得随访,时间为11～20个月,平均14.5个月。术后均无内固定松动、断裂等并发症的发生。患者术后即刻伤椎高度及Cobb角较术前明显改善,具有统计学差异(P 0.05);末次随访时伤椎高度、脊柱侧方成角和Cobb角较术后即刻均有所丢失,但前后比较无明显统计学差异(P0.05);末次随访时,Frankel分级为B级的恢复到C级,其余C级、D级的均恢复到E级,差异具有统计学意义(P 0.05);结论经伤椎单侧5钉固定治疗后纵韧带完整的胸腰椎骨折,临床疗效满意。对于伴有神经损伤的患者,可以行潜行减压手术,神经症状恢复满意;对于无神经损伤的患者,只要后纵韧带保持完整,无论椎管内骨折块占位多少,均无需行减压手术。     

相容的贝叶斯学习及其后验分布的渐近正态性

从计算学习理论的角度研究贝叶斯学习的相容性和后验分布的渐近正态性,给出了贝叶斯学习的正则条件,证明了在这些条件下贝叶斯学习不仅是相容的,而且后验分布是渐近正态的．由于正态分布计算相对简单,该结果为指派恰当有效的先验分布、寻找简化贝叶斯学习计算的方法提供了理论依据,给出的正则条件比Heyde与Johnstone的5个条件更为简化,便于应用．     

干涉条纹相位检测数字信号处理系统研究

介绍了一种新的自适应统计滤波方法，该方法有效减少干涉条纹图中的噪声，仅用一幅条纹图就能获得准确的条纹相位分布。实验结果表明，该滤波算法对Gauss白噪声及均匀分布的噪声都有良好的抑制效果。     

一类并联系统可靠度的Bayes置信下限

讨论了一类参数是随机变量和寿命服从指数分布的N个元件所成并联系统的可靠度，并且给出了系统可靠度的贝叶斯置信下限的估计方法．     

基于参数的贝叶斯先验选择方法

在一个参数的可选先验分布类中选择一个合理先验的问题，类似于从参数空间中估计一个恰当参数的问题．基于这一观点，利用贝叶斯分析的后验分布理论，先求出参数的后验分布，再根据后验分布中各个先验的相对似然选取似然最大的先验为合理先验，从而建立了一个基于参数的后验分布的先验选择方法，它是ML-Ⅱ先验的一个拓广．