拉普拉斯分布参数的近似贝叶斯估计

拉普拉斯分布是刻画尖峰厚尾数据的重要分布之一.本文提出拉普拉斯分布两参数具有显式解的线性近似贝叶斯估计,通过理论证明和数值模拟验证了线性近似贝叶斯估计相比其他估计的优越性,并考察了线性近似贝叶斯估计随着样本量增加的渐近性质.

模型参数分布未知的贝叶斯预测

本文介绍了线性贝叶斯方法，并将其应用于贝叶斯动态线性模型，得到了模型参数分布未知情况下模型的修正递推及预测算法，从而拓宽了贝叶斯动态线性模型的适用范围。

一种运动想象异步BCI的空闲状态检测方法

提出一种利用特殊运动想象训练样本与有限的空闲状态训练样本进行训练的方法,采用公共空间频率模式算法与功率谱密度算法分别提取样本的空域与频域上的特征.利用贝叶斯线性判别方法进行分类,设计出一种适用于异步脑-机接口(BCI)的具有两级分类结构的分类器.实验结果表明:该方法对包含空闲状态的脑电信号具有较好的分类效果;在利用较少电极的情况下,测试集样本的分类结果的正确率和均方误差分别为77.62%和0.495.

偏度系数和峰度系数的信度估计

偏度系数和峰度系数是随机变量的两个重要数字特征,分别描述了随机变量密度函数相对于标准正态分布的非对称的偏态方向程度以及曲线顶峰的尖平程度。一般地,当样本容量较小时用样本偏度和样本峰度估计有较大的误差。文章利用信度理论的思想得到总体k阶矩的信度估计,进而得到偏度系数和峰度系数的信度估计。最后证明了信度估计的大样本性质。