最小总风险准则的贝叶斯网络个人信用评估模型

将最小总风险准则MOR与贝叶斯网络分类器相结合,提出了一种新型信用评估模型。在两个真实数据集上以MOR用10层交叉验证对贝叶斯网络信用评估模型进行了测试,并与最小错误概率准则MPE的贝叶斯网络分类器的结果进行了对比。结果表明,基于MOR的贝叶斯网络分类模型可以有效地减小信用评估风险。

一种基于最小总风险代价函数的RAIM门限优化算法

传统接收机自主完好性监测(Receiver Autonomous Integrity Monitoring,RAIM)算法采用完好性风险最小准则确定判决门限,其过于保守的门限求解方式增加了航空用户的连续性风险。针对不同航空用户完好性需求的差异,提出了一种基于最小总风险代价函数的RAIM门限优化算法,以假设检验中漏检与误警概率之和作为总风险代价函数,在兼顾导航所需性能及RAIM可用性的前提下,最小化总风险代价函数,以此确定RAIM优化门限,实现完好性与连续性风险间的权衡。仿真结果表明,经过最小总风险代价函数权衡,可合理降低用户连续性风险,并使其具备在伪距域中判定RAIM可用性的能力。