风险投资中的最小贝叶斯风险决策

最小贝叶斯风险决策使贝叶斯风险最小的决策方法。本文通过一个具体实例,阐述贝叶斯决策在风险投资分析中的应用。并由此得出结论:贝叶斯决策属于风险型决策,决策者虽不能控制客观因素的变化,但却可掌握其变化的可能状况及各状况的分布概率,并利用期望值即未来可能出现的平均状况作为决策准则。贝叶斯决策不是使决策问题完全无风险,而是通过其他途径增加信息量使决策中的风险减小。由此可以看出,贝叶斯决策是一种比较实际可行的方法。

交通事故贝叶斯最小风险控制模型

为了预测交通事故与控制事故风险,引进贝叶斯最小风险理论,构建了交通事故贝叶斯最小风险控制模型。当车辆在不同半径曲线上运行时,采集其位移坐标数据,并进行换算处理,如果速率梯度模的变化率出现不正常的振荡,则交通事故前兆出现。模拟结果表明:在车辆正常运行情况下,速率梯度模对时间的绝对变化率服从三参数的威布尔分布,利用柯尔莫哥洛夫检验可以判定交通事故前兆出现与否,从而实现对高速公路交通事故的动态监控。

基于最小风险贝叶斯涉密邮件统计分类算法

提出一种适用于涉密邮件统计分类的最小风险贝叶斯算法,用以提高涉密邮件统计分类准确性及其效率.算法以最小风险为分类原则,根据邮件内容的已有训练集,可自适应学习出涉密邮件分类的风险值,快速实现敏感邮件的最小风险扫描.统计分析表明,该算法准确有效,具有较好的适应性.

基于最小风险贝叶斯决策理论的在线评价排名方法研究

随着电商模式不断发展和完善,在电商平台上出售的商品种类持续增加。消费者在做出购买决策之前,通常会参考其他消费者发表的在线评论。目前,电商客户评论中的好评与差评的权重风险是相等的,当顾客进行产品购买时会存在评论误判风险。针对好评与差评的权重风险相等的不足,本文提出了一种基于最小风险贝叶斯决策的评价排名方法。提出的方法首先利用网络爬虫语言抓取所有商品累计评论,形成TXT文档;然后根据已有的停用词词典,对生成的TXT文档进行文本预处理,并进行关键词的提取,通过关键词的分类将每一条评论生成一个文档,获得关键词权重;最后利用最小风险贝叶斯决策模型获得风险权重排名,并以天猫为例,与已有排名数据进行比较。提出方法新获得的排名为最小风险权重下的商家排名,有助于顾客在进行高风险商品购买决策时根据不同风险偏好,获得最优购买决策。

基于最小风险贝叶斯决策的印刷品斑点检测方法

针对印刷品斑点检测缺乏有效检测方法的难题,依据统计决策和贝叶斯分析的基本原理,结合模式识别和机器礼堂相关理论技术,提出了一种基于最小风险贝叶斯决策的印刷品斑点检测方法;以烟标图像为例,实验验证了所提算法的准确性与有效性;该实验表明:所提算法能够有效地检测出烟标中的黑色斑点,分割出来的斑点图像基本上保持了原有的形状;最后,提出了进一步的改进方法。

最小风险贝叶斯决策融合的多点触摸身份认证

为提高智能手机中多点触摸身份认证的识别率,提出一种基于最小风险贝叶斯决策的多点触摸身份认证方法。首先采用认证手势中各单独手势序列经逻辑回归优化的均值动态时间规整算法进行局部分类,然后以贝叶斯规则为基础,引入损失函数,并计算最小风险贝叶斯决策组合规则下的局部决策结果,最后依据最小风险贝叶斯决策融合规则获得全局决策结果。实验结果显示,引入基于最小风险贝叶斯决策的融合身份认证,不仅保证了较为理想的漏警率、消弱了决策的风险性,而且降低了虚警率,获得了较为理想的分类效果。

基于AdaBoost的最小风险贝叶斯的垃圾邮件过滤算法

针对传统的单一算法对垃圾邮件进行过滤效果不理想的问题,在分析和研究最小风险贝叶斯算法和AdaBoost算法的基础上,将两者结合在一起,提出一种基于AdaBoost的最小风险贝叶斯的垃圾邮件过滤算法,将其应用到垃圾邮件过滤中,并分别与最小风险贝叶斯算法和AdaBoost算法的过滤效果进行比较,结果表明,该算法能够有效提高邮件过滤的准确率,改善垃圾邮件过滤系统的整体性能。

基于贝叶斯最小风险的癫痫脑电自动检测算法

提出一种新的不平衡分类算法,基于增减序列合并周期分割算法提取时域特征,引入随机映射优化了旋转森林的计算效率,进而计算基于海林格距离的贝叶斯最小风险来给出测试样本标签。该算法在1 s片段上得到了90. 66%灵敏性,92. 52%特异性,F2分数为0. 905 5,并且检出了98. 56%的癫痫发作,检测延迟为1. 32 s,在不平衡的癫痫脑电数据集上表现出了良好的性能,对于癫痫辅助诊断有着极大的临床意义。

基于最小风险贝叶斯算法的邮件过滤系统设计

大量垃圾邮件的出现给用户收发邮件带来了极大的困扰.在朴素贝叶斯算法的基础上,利用最小风险贝叶斯算法修正过滤器,设计出了一种新的电子邮件过滤系统模型.重点讨论了实现该系统所需处理的几个关键问题,最后给出了实验结果.

基于最小Bayes风险的小波域局部自适应图像去噪

简要介绍了广义高斯分布的基本概念和小波系数的分布特性,分析了BayesShrink法的原理并指出其存在的不足。以冗余小波变换为基础,利用子带内小波系数之间的相关性,提出了一种局部自适应的图像去噪策略。以当前小波系数为中心,选取尺寸合适的邻域窗口,以该窗口为单位估计相应的理想标准差和局部阈值,再通过软化处理达到系数收缩的目的。实验表明,该算法能有效滤除图像噪声,较好地保留了图像纹理和细节等重要信息,取得了较高的峰值信噪比和较好的视觉效果。

基于软概率的最小风险贝叶斯决策

为有效处理限制样本、非随机稳定信息下的不确定型决策问题,文章提出了一种基于软概率的最小风险贝叶斯决策方法:确定先验信息中各状态的软概率区间值,利用区间概率下的贝叶斯风险模型输出各后验状态的区间值决策结果,利用基于可信度的区间数排序方法对结果按照风险大小进行排序,从而实现决策风险最小化的后验状态判定,同时,随着新样本信息的加入,决策结果会相应动态调整,更趋确定。同时,用案例验证了该方法的合理性和可行性。

一种基于Kohonen和最小风险贝叶斯决策的雷达信号识别方法

鉴于有监督的Kohonen神经网络在雷达信号识别方面的不足,将S-Kohonen神经网络和最小风险贝叶斯决策相结合,提出了一种加强的S-Kohonen-Bayes方法对雷达信号进行分类,并利用Adaboost强分类器设计对识别结果进行修正.人工仿真实验结果表明,错误率平均降低了36%,改进方法具有良好的识别能力,使用最小风险贝叶斯决策进行修正是有效和必要的.

机器翻译系统特征权值的贝叶斯优化方法

针对机器翻译中存在的特征权重的领域自适应问题,提出一种联合最小贝叶斯融合的系统权重训练方法。在协同训练的框架内,采用不同解码器的输出作为参考译文,通过扩展开发集,保证特征权重训练的有效性。通过利用最小贝叶斯风险融合方法,提升协同训练的稳定性。实验结果表明,该方法较好解决了特征权重的领域自使用问题,优化了机器翻译质量。

基于贝叶斯方法的邮件分类技术研究

阐述了贝叶斯算法的基本原理及基于朴素贝叶斯算法的反垃圾邮件自动过滤技术。在深刻分析朴素贝叶斯算法不足的基础上,提出了旨在提高垃圾邮件过滤精确率的改进方案,给出了实验结果。

改进型贝叶斯算法网络垃圾邮件信息过滤技术

针对传统的朴素贝叶斯算法对垃圾邮件的过滤率不高等问题,提出了一种基于最小风险贝叶斯网络垃圾邮件信息过滤技术,提出的最小风险贝叶斯能够减少正常邮件判为垃圾邮件的风险,最后实验表明,与传统的算法相比较,本文提出的方法过滤效果有较大的提高。

基于贝叶斯算法的垃圾邮件过滤技术研究

分析了垃圾邮件内容过滤技术,认识到垃圾邮件过滤技术与普通的文本分类和挖掘问题存在着很多不同。从邮件结构不同于普通文本出发,对基于贝叶斯的过滤方法进行了一系列改进,提出一种阈值调整算法,设计了集成加权模型,以充分利用邮件的结构信息。基于集成加权模型对邮件头和邮件正文分别建立模型,最后通过加权方法集成二者结果,对垃圾邮件进行过滤。通过在改进和扩展而设计的贝叶斯过滤器在最新的标准数据集上的测试结果表明,与经典的贝叶斯过滤器Bogo相比,过滤效果有较大的提高。

机器翻译系统融合技术综述

该文对机器翻译研究中的系统融合方法进行了全面综述和分析。根据在多系统输出结果的基础上进行融合的层次差异,我们将系统融合方法分为三类:句子级系统融合、短语级系统融合和词汇级系统融合。然后,针对这三种融合方法,该文分别介绍了它们各自具有代表性的研究工作,包括实现方法、置信度估计和解码算法等,并着重阐述了近年来使用广泛的词汇级系统融合方法中用于构造混淆网络的词对齐技术。最后,该文对这三类系统融合方法进行了比较、总结和展望。

一种面向统计机器翻译的协同权重训练方法

分析了统计机器翻译中的特征权重的领域自适应问题,并针对该问题提出了协同的权重训练方法.该方法使用来自不同解码器的译文作为准参考译文,并将其加入到开发集中,使得特征权重的训练过程向测试集所在的领域倾斜.此外,提出了使用最小贝叶斯风险的系统融合方法来选择准参考译文,进一步提高了协同权重训练的性能.实验结果表明,使用最小贝叶斯风险系统融合的协同训练方法,可以在一定程度上解决特征权重的领域自适应问题,并显著地提高了在目标领域内机器翻译结果的质量.

基于混淆网络解码的机器翻译多系统融合

在对当前几种较流行的统计机器翻译多系统融合方法分析的基础上,提出了一种改进的多系统融合框架,该框架集成了最小贝叶斯风险解码和多特征混淆网络解码两种技术。融合过程如下:(1)从多个翻译系统输出的-best结果中,利用最小贝叶斯风险解码器选择一个风险最小的假设作为对齐参考;(2)将其余的-best假设结果与该参考对齐,从而构建混淆网络。多特征混淆网络基于对数线性模型,引入了更多有效的知识源参与最优路径选择,融合后的BLEU得分比融合前最好的单系统BLEU得分提高了2.19%。在对齐方法上,我们提出了一种改进的翻译错误率(Translation Error Rate,TER)准则——GIZA-TER准则,该准则可以对CN网络进行更有效的短语调序。实验中的显著性检验证明了本文方法的有效性。

一种汉字混淆网络算法

在普通话大词汇量连续语音识别中,使用最大后验概率决策规则解码得到的是具有最小句子错误率的识别结果,但是本文通常使用字错误率作为识别结果的评测标准。为了使识别结果具有最小字错误率,在充分考虑汉语语言特点的基础上,提出了一种汉字混淆网络算法。这种算法能够有效地将普通话大词汇量连续语音识别系统输出的词格转换成为汉字混淆网络。详细讨论了最小贝叶斯风险决策规则理论及使用汉字混淆网络进行的解码过程。基于2005 HTRDP(863)评测数据集进行的实验结果表明,这种使用汉语字混淆网络的方法有效地降低了普通话大词汇量连续语音识别结果的字错误率。