基于后验风险确定故障样本量的Bayes方法

针对目前测试性故障样本量的确定方法过于粗糙和试验样本量过大的问题,提出了合理运用信息熵方法对装备系统各单元的测试性先验信息进行信息融合,得到装备系统级测试性试验数据。在此基础上得到测试性指标的先验分布,并进一步通过Bayes后验风险准则确定故障样本量及试验方案。以某型电动舵机系统各模块的试验数据为例,以故障检测率为测试性指标,经过分析和计算,发现运用所提方法得到的故障样本量相比传统方法明显减少,从而减少了试验成本,同时得到的测试性指标相对误差较小,保证了可信度。     

Subset threshold autoregression

We develop in this paper an efficient way to select the best subset threshold autoregressive model. The proposed method uses a stochastic search idea. Differing from most conventional approaches, our method does not require us to fix the delay or the threshold parameters in advance. By adopting the Markov chain Monte Carlo techniques, we can identify the best subset model from a very large of number of possible models, and at the same time estimate the unknown parameters. A simulation experiment shows that the method is very effective. In its application to the US unemployment rate, the stochastic search method successfully selects lag one as the time delay and five best models from more than 4000 choices. Copyright © 2003 John Wiley & Sons, Ltd.     

基于Bayes准则的广义判别预报模式及其应用

根据Ｂａｙｅｓ准则,提出一种时间序列与多元分析相结合的广义判别模式．该模式既保留了时间序列线性模式的优点,同时又吸收了多元分析线性模式的长处．从气象状况演变的物理机制来看,这种综合考虑系统状况的方法比单纯考虑前期状态演变或单纯考虑某一时次的状态更有意义．     

贝叶斯理论在光栅动态误差预报中的应用

针对实际测量过程中需要对数据量较少的非平稳性误差进行随机序列建模预报。提出了贝叶斯动态测量误差序列的预报方法。该方法不要求较大的数据量，对序列平稳性无限制，而且在预报过程中间隔插入标准量能有效提高预报精度。设计了一个光栅测长仪动态误差测量实验系统，利用贝叶斯预报方法对其动态误差数据进行建模预报，验证了贝叶斯预报方法的适用性和可行性。     

基于贝叶斯风险分析的软件项目人力资源模型

利用Putnam模型和软件项目成本公式讨论了投入的人力和软件项目成本的关系；研究了人力投入对软件项目风险的影响；利用正态分布函数讨论了n个软件开发人员总工作量的概率密度分布，在此基础上建立了基于贝叶斯规则的风险模型；对模型进行优化可得到人力资源投入的估算模型。     

三参数Weibull分布下随机截尾恒加寿命试验的Bayes统计分析

利用随机截尾恒加寿命试验所获的数据，导出了三参数Ｗｅｉｂｕｌ分布在平方损失下，三个参数的Ｂａｙｅｓ估计，进一步估计了在正常应力水平下的各种可靠性指标     

双参数情形的经验Bayes估计近似算法

该文给出了双参数情形利用线性经验Ｂａｙｅｓ估计公式估计待估参数的近似算法，并以正态分布为情形给出具体的计算形式．     

广义离散随机线性系统的状态估计新方法

运用Ｂａｙｅｓ动态模型理论［２］讨论了广义离散随机线性系统的状态估计问题，提出了一种既简便又实用的状态估计新方法──线性贝叶斯估计（ＬＢＥ）．     

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．