错误管理理论:一种新的认知偏差理论

基于统计学上的两类基本错误而提出的错误管理理论,为一种新的认知偏差——适应性偏差提供了理论上的解释。作者在阐述这一理论的同时,指出了错误管理理论在社会心理学领域,尤其在侵犯等一些应用性的社会心理领域,具有不可估量的理论意义和实践价值。

基于贝叶斯准则的航天器故障判决方法

研究航天器故障准确识别问题,由于多种因素干扰造成的航天器遥测参数观测值误差,导致故障诊断系统误判航天器状态。如何正确地从噪声信号中提取出关键的故障信号,并且根据故障发生概率及影响因素对故障进行判决,是目前航天器故障诊断领域面临的一大难题。在可获得先验的故障概率和代价系数的条件下,通过对高斯环境中故障信号误差的分析,建立了错误判决代价的贝叶斯准则判决方法,设计了高斯白噪声情况下采用贝叶斯准则进行故障判决的算法。通过某航天器实际遥测数据的实验结果表明,改进方法可显著提高系统的故障诊断准确性。

面向不平衡数据分类的复合SVM算法研究

为了改善传统支持向量机(SVM)对不平衡数据的分类效果,解决分类器对少类样本分类效果较差的问题,提出了一种复合SVM算法。该算法首先通过自适应合成采样(ADASYN)算法与不同错误代价(DEC)算法的结合,改善不平衡数据对超平面造成的偏移;然后引入一种新的修正算法对预测模型进行修正,提高预测模型对于不同数据特性的适应性。选择UCI数据库中的七组现实世界的不平衡数据集进行测试,实验表明在各个数据集上复合SVM算法性能均优于现有算法或与现有算法相当,分类性能平均提高了2.0%~20.9%,证明了该算法的有效性和鲁棒性。