P值之争与管理学研究:先验概率的意义

P值之争的本质是人们把统计检验和统计推断混淆,直接用统计检验结果来进行统计推断.这导致许多似是而非的理论被接受.统计检验犯错的是假阳性概率.统计推断犯错的是假阳性之反概率.两种概率之间的数值关系受先验概率影响很大.先验概率越高,利用统计检验的结果进行推断所犯错误概率就越小.如果先验概率很小,即使假阳性概率很小,利用该结果进行推断所犯错误概率也很大.本文以管理学研究为例,提出解决该问题的办法是,通过与现实和与理论的双重对话来掌握先验概率,以提高基于统计检验的结果进行统计推断的可靠性.本文的科学哲学意义是,揭示了科学研究是先验与经验相统一的本质,以及科学研究的不充分决定性的特征.

基于先验概率的加权神经网络模型

针对不平衡分类问题中各类别规模差异较大导致的较小类别分类精度不高的情况,提出基于先验概率的加权神经网络模型.为了提高较小类别在迭代神经网络中的重要性,以每一类样本的先验概率的倒数作为该类数据的权重,将该权重加入神经网络的目标损失函数中,并基于新构造的目标函数进行网络迭代,加强对少数类别的代价敏感学习,从而提高对小类别样本的识别率.最后利用真实分类数据进行实证分析,与经典神经网络对比,证明模型的有效性与实用性.

基于先验知识的纺织论文关键词自动抽取系统研究

为解决文章关键词数量过少、词义泛化、选词生僻、一义多词等问题,在搜集整理大量纺织领域论文和专业名词的基础上,遵循“避免泛化词”和“作者习惯”的原则,提出一种基于先验知识的论文关键词抽取新算法。首先统计候选关键词在概要库和关键词集中的出现频次,计算其先验概率;再借鉴“影响因子百分位”的思想,计算每个候选关键词的词频百分位,得到候选关键词的排序指标用于关键词抽取系统的排序推荐。经测试,该算法平均准确率(F1值)是无监督关键词抽取算法Tex⁃tRank的1.7倍,并高于计算机领域同类型的半监督主流算法,证明了先验知识用于关键词排序推荐的有效性。

基于地物空间信息的浮动先验概率最大似然分类研究

利用遥感影像对地物进行分类识别时,既需要考虑地物波谱信息,也需要考虑其空间信息。现有遥感分类方法主要集中在利用像素的波谱信息,对各个像素进行独立分类,忽略了地物空间信息。考虑到传统最大似然分类(MLC)方法包括先验概率和条件概率密度函数两个核心环节,提出基于空间信息的浮动先验概率MLC方法,融合空间信息和波谱信息,以提高分类精度。在分析地物空间信息的基础上,总结了基于空间信息的浮动先验概率确定原则和依据,包括地物几何空间特征、情景特征、临近像素空间自相关定律、景观参数等,并设计了基于地物空间特征和临近像素空间自相关定律的浮动先验概率确定算法和分类流程。通过分类试验和误差矩阵分析,结果表明:基于空间特征和临近像素空间自相关定律的浮动先验概率MLC方法,能够融合地物的波谱信息和空间信息,克服最小距离、MLC等基于像素波谱信息的分类方法的缺点,显著提高地物分类精度。

先验概率和代价函数均模糊时基于贝叶斯最小风险准则的分布式决策融合

当先验概率和代价函数均为梯形模糊数时，在贝叶斯最小风险准则意义下，研究了在融合中心对多个独立传感器的决策进行最优融合的问题，给出了四种决策融合算法，通过仿真和比较这四种融合算法的结果，找到了一种最适用于这种场合的最优决策融合算法结果表明，在先验概率和代价函数均为梯形模糊数情况下所导出的最优决策融合规则是各检测器决策的加权和与一门限之比较，权重是各检测器检测概率和虚警概率的函数，门限除与最优融合准则、先验概率和代价函数有关外，还与使用的去模糊方法有关．

面向目标的带先验概率的AdaBoost算法

针对集成学习算法研究中多个分类器的最佳组合问题,改进了传统的AdaBoost集成学习算法。用于组合的各个分类器通常是基于样本集通过一定的训练得到,样本集中不同类目标的比率可以反映分类目标的先验概率。使用该参数给出了新的组合参数和投票表决阈值计算公式,巧妙的利用样本权值并将其加入到样本属性上进行训练学习,采用新的策略来选择基分类器,给出了面向目标的带先验概率的AdaBoost算法(GWPP AdaBoost算法)和分类器的最佳组合。依据UCI实验数据对传统的AdaBoost算法、Bagging算法、GWPP AdaBoost算法的错误率和性能进行了比较分析,验证了GWPP AdaBoost的有效性。

先验概率分布及似然函数模型的选择对边坡可靠度评价影响的定量评估

受工程勘察成本及试验场地限制,可获得的试验数据通常有限,基于有限的试验数据难以准确估计岩土参数统计特征和边坡可靠度。贝叶斯方法可以融合有限的场地信息降低对岩土参数不确定性的估计进而提高边坡可靠度水平。但是,目前的贝叶斯更新研究大多假定参数先验概率分布为正态、对数正态和均匀分布,似然函数为多维正态分布,这种做法的合理性有待进一步验证。总结了岩土工程贝叶斯分析常用的参数先验概率分布及似然函数模型,以一个不排水黏土边坡为例,采用自适应贝叶斯更新方法系统探讨了参数先验概率分布和似然函数对空间变异边坡参数后验概率分布推断及可靠度更新的影响。计算结果表明:参数先验概率分布对空间变异边坡参数后验概率分布推断及可靠度更新均有一定的影响,选用对数正态和极值I型分布作为先验概率分布推断的参数后验概率分布离散性较小。选用Beta分布和极值I型分布获得的边坡可靠度计算结果分别偏于保守和危险,选用对数正态分布获得的边坡可靠度计算结果居中。相比之下,似然函数的影响更加显著。与其他类型似然函数相比,由多维联合正态分布构建的似然函数可在降低对岩土参数不确定性估计的同时,获得与场地信息更为吻合的计算结果。另外,构建似然函数时不同位置处测量误差之间的自相关性对边坡后验失效概率也具有一定的影响。

先验概率对最大似然法提取土地利用现状信息精度的影响

最大似然分类法是提取土地利用现状信息时常用的一种遥感分类技术,但研究者分类前无法确切知道各类别的先验概率,因此先验概率是最大似然分类法的主要难点之一。该文从理论上分析了先验概率对最大似然分类法分类结果生产者精度、使用者精度、总精度和kappa指数的影响,提出运用循环迭代法来消除先验概率对最大似然分类法分类结果的影响,并指出了循环迭代法能够进行的条件。最后以郑州市为例进行了实证研究。研究表明:运用循环迭代法进行最大似然法分类保证了错分损失最小,可提高遥感影像总分类精度,但对不同分布面积的类别的分类精度影响不一样:对于分布面积大于平均值的类别,一般会提高其生产者精度,但会使使用者精度降低,使得分类面积大于实际面积;分布面积小于平均值的类别,一般会提高其使用者精度,但会使生产者精度降低,使得分类面积小于实际面积。

应用粒子滤波及先验概率模型进行图像分割的新算法

基于粒子滤波在非线性非高斯情况下具有较好的预测结果,本文提出了一种自适应背景图像分割新算法,该算法利用粒子滤波对下一帧的前景区域进行预测,进而计算出下一帧各像素点属于背景的概率以指导下一帧图像分割;在前景像素值与背景像素值相近的情况下利用先验知识进行图像分割是一种较好的方法,本文以粒子滤波预测结果与先验概率模型计算结果的均值作为当前像素点属于背景的概率来进行图像分割,实验结果表明,该方法在背景变化范围较大的情况下,可以减少前景点误分割为背景点的概率.

基于超级贝叶斯方法的专家意见先验概率修正研究

针对传统贝叶斯网络方法在先验概率设定中的不足,文章提出采用超级贝叶斯方法,通过对每个专家意见赋予不同的权重,帮助决策者修正初始判断,得到更为准确的贝叶斯网络先验概率,并采用银行风险管理中的实例介绍了该方法的具体操作过程。

Bayes阈值选取准则中的实时加权先验概率算法

针对Bayes准则中先验概率定义困难的问题,提出了实时加权先验概率求解算法。算法不需要任何有关系统的先验知识,通过挖掘隐含在测试数据中的信息,结合系统的当前状态,实时地调节先验概率的取值。文中给出了算法的具体推导和试验验证,并结合实际使用,对算法中相关参数的取值给出了详细说明。结果表明:采用实时加权先验概率算法,对系统状态的判断更加合理,其判决结果的稳定性、可靠性,以及克服干扰的鲁棒性,比通常的算法有显著提高。

基于先验概率优势关系的粗糙决策分析模型

针对含有不完全偏好信息的多属性决策问题,提出了基于先验概率优势关系的粗糙决策分析模型。首先分析了扩展优势关系和限制扩展优势关系的不足,在此基础上提出先验概率优势关系的概念,并得到先验概率优势关系下的粗糙近似;然后通过对比分析,证明了新模型较上述两种优势关系模型可使分类结果更加符合实际情况和人在数据处理过程中的直观感受。最后,通过一个实例验证了新方法的可行性和有效性。

加权先验概率优势关系的粗糙决策分析模型

文章针对含有不完备偏好信息的多属性决策问题,提出了基于加权先验概率优势关系的粗糙决策分析模型。首先分析了先验概率优势关系在判定未知属性取值上的不足,在此基础上给出了加权先验概率优势关系的概念,并由此得出粗糙近似,获取分类决策规则。理论证明与实例分析均表明了新模型的有效性和实用性。

基于先验概率的性能降级链路推断方法

研究基于布尔网络断层扫描技术辨识网络中性能出现严重降级的链路。将辨识问题归结为最大概率解释问题,提出一种利用链路状态先验概率分布的推断性能严重降级链路的方法。通过计算每种候选链路指派的后验概率,从中选取具有最大概率的指派作为推断结果。理论分析证明了该方法的可行性,仿真实验验证了该方法的有效性和准确性。

贝叶斯网络故障诊断的先验概率评估研究

针对贝叶斯网络中引入专家意见的先验概率准确度问题,对专家意见的误差判别、量化规则、意见综合等方面进行了研究。基于多重插补法对故障样本中的缺失统计数据进行概率插补,利用MATLAB进行概率拟合后得到了完备的先验概率集,提出了一种系统化的专家先验概率评估方法,并应用于大型桥式起重机故障诊断,验证了先验概率评估方法的可靠性。研究结果表明,该评估方法能够实现专家定性意见的精确量化,可以有效减小先验概率误差、提高故障诊断的效率,也可为先验概率赋值合理性的进一步研究提供依据。

基于先验概率模型的自适应背景图像分割算法

在利用背景消减的视频图像分割过程中,背景模型假定为高斯模型下判断像素点是否为背景点一般采用规则。当模型中方差参数的值较大时,与背景相近的前景被误分割为背景的误差就较大。针对这一问题,提出了一种基于先验概率模型与距离因子对背景进行分割的算法,该算法判定当前帧像素点为背景的概率由其先验概率及该像素点在上一帧分割结果中与前景点的距离决定。实验结果表明,与判定规则相比,该方法在背景变化范围较大的情况下,可以减少前景点被误分割为背景点的误差。

条件先验概率优势关系粗糙集模型

基于先验概率优势关系的粗糙集模型是对粗糙集理论的重要扩充,然而却有其不足之处。本研究提出的基于条件先验概率优势关系的粗糙集模型是建立在对不完备偏序关系决策系统属性值数据统计的基础上,既考虑到同一属性取值的不同情况又考虑到不同属性之间的关联性,充分利用各种先验信息,因此有效提高了分类精度和分类质量。理论分析和实例计算均证明了该模型的有效性和实用性。

先验概率与曲线概率阈值分割相结合的消噪方法

针对二维激光扫描仪获取的原始点云数据存在噪声点而影响测量精度的问题,提出了基于先验概率算法与曲线概率阈值分割的点云数据消噪方法。以异形截面环形件为实验对象,运用该消噪方法对原始数据进行处理,分别采用原始数据和消噪数据计算了环件台阶轴的高度,并将其与环件的真实值进行了对比。对比结果表明,消噪后数据的计算值更接近环件的真实值,从而验证该算法能有效提高测量精度。

基于先验概率的数据约简方法

探讨了决策规则的数据约简问题,对条件属性与决策属性在决策表中的概率关联给出了有关结论,推导出基于先验概率的决策规则冗余条件,从而获得基于先验概率的数据约简方法,并用应用实例进行了验证。