两类新推进排序算法

排序学习算法的目标是得到最优排序函数,它给每个实例一个得分,并根据得分排定各实例的先后次序。在推进排序算法的框架下,允许学习存在一定程度的误差。设定正数ε作为允许误差的范围,用对称ε-insensitive指数亏损函数和对称ε-insensitive对数亏损函数替换原来的指数亏损函数,得到新算法。实验表明新算法是有效的。

对称损失下一类指数分布族的Bayes估计

在对称损失函数下,研究了一类指数分布族尺度参数的估计,并研究了它的的可容许性.得到了尺度参数的Bayes估计的一般形式,在共轭先验分布下得到了尺度参数的Bayes估计的精确形式.在此基础上,讨论了一类形式如cT＋d估计量的可容许性和不可容许性.

对称熵损失函数下指数分布寿命性能指数的贝叶斯检验

在产品的质量特性值服从指数分布条件下,用过程能力指数评估产品的寿命性能,建立了对称熵损失函数下指数分布寿命性能指数的贝叶斯检验方法,给出寿命性能指数CL的最大似然估计及贝叶斯估计,提出一种新的方法对CL进行检验,并通过一个应用实例说明该方法的有效性.

基于Q对称熵的一类分布族参数Bayes估计

阐述Q-对称熵定义损失函数及分布族的定义定理以及性质,对原问题的探究加深对此类问题的认识,提高对在Q-对称熵损失函数和Bayes估计的了解,从而取得思维创新的成效。