矿井突水水源判别的多组逐步Bayes判别方法研究

矿井突水是采矿过程中最具威胁的自然灾害之一。能否准确快速地判别矿井突水水源,不仅是矿井水文地质工作的主要内容,而且是煤矿防治水工作的重要基础。为了有效判别矿井突水水源,综合考虑水化学指标对水源判别的重要性,基于多组逐步Bayes判别分析理论,选取Na++K+、Ca2+、Mg2+、Cl-、SO42-和HCO3-共6项指标作为判别因子,利用国内某矿区各主要含水层的35个水样的水质资料作为训练样本,建立了矿井突水水源预测的多组逐步Bayes判别分析模型。实例分析表明,该模型结果与实际情况相符合,说明该模型在矿井突水水源判别中具有良好的实用性和有效性,为判别矿区新的突水水源提供了一种新思路。

主观Bayes与神经网络组结合的信息融合目标识别

针对神经网络在信息融合中的应用所存在的一些问题,受人的视神经网络的启发,提出了一种基于Bayes方法的神经网络组方法,并把它应用到了特征级融合中进行模式识别。仿真试验结果表明,和用单一的神经网络相比,利用神经网络组方法提高了网络收敛速度、缩短了网络的训练时间,提高了对目标的识别率,并且增强了对目标识别的稳定性。

面向水质分类的分组降维核朴素贝叶斯模型

为提高贝叶斯模型在实际数据中处理相关性维度时的效率、精度,并保持其可解释性,本文提出一种改进的核朴素贝叶斯模型。首先通过关联规则挖掘相关维度子集,然后对这些子集进行降维处理,利用降维后的数据构建核朴素贝叶斯模型。实际应用的结果显示,该模型减少了降维对数据的影响,在保留有效信息的同时,提高了模型的可解释性。

Bayes序贯判决应用于二值临床试验

应用 Bayes序贯判决于结果变量为二值的临床试验 .把病人范围和治疗效果引进损失函数 ,能减少计算复杂性 .

基于多模型的变压器故障组合诊断研究

变压器故障诊断是保证整个电力系统正常运行的重要部分,为此提出了一个基于支持向量机并与多种贝叶斯分类算法相结合的组合诊断模型。诊断过程中,首先通过相关统计分析,选择典型油中气体的12个相关属性值作为模型的输入参数,并对其进行数据预处理,生成一次样本。其次,按照变压器常见的13种故障类型,利用多个单一诊断方法如朴素贝叶斯模型、半朴素贝叶斯模型、增强的朴素贝叶斯模型和贝叶斯网络增强模型构成诊断模型群,对一次样本数据进行诊断。最后,把贝叶斯诊断模型群的诊断结果作为支持向量机的输入进行二次诊断,构成变权重的组合诊断。对基于支持向量机的组合诊断过程和参数计算进行了详细地探讨。通过与多种预测方法进行比较,基于支持向量机的变压器故障组合诊断模型的正确率明显优于单一诊断模型和其它的组合诊断模型。此外,通过2个实例证明了提出的组合诊断模型的有效性。因此,该模型可以用于实际工程。

多传感器数据融合的数学方法研究

为了有效融合多个传感器的测量数据,得到准确的融合结果,综合对比了基于关系矩阵应用综合支持度的数据融合方法、基于Bayes理论的数据融合方法和基于分批估计理论的分组融合方法.提出了分批数的大小和与其他测量数据偏差比较大的数据的分配方式决定了分组融合方法融合结果的准确性,详细分析了不同分批数对融合结果的具体影响,提出了有效的数据分配方法.实例计算结果表明,合适的分批数以及对偏差比较大数据的合理分配可以有效地提高融合结果的准确性,对提高测量系统的测量准确性有很好的促进意义.

基于贝叶斯决策理论的电梯群控交通模式识别

为了提高电梯群控系统运行效率,针对国内外电梯群控交通模式识别研究存在的问题,提出了用贝叶斯决策理论对其交通模式进行识别。论述了电梯群控系统交通模式、交通模式鉴别的特征参数、交通模式识别分类器的设计及优化,并实现了电梯群控性能的提高。仿真研究结果表明,基于贝叶斯决策的电梯群控系统交通模式识别方法科学、合理,能提高群控电梯的运行效率。

贝叶斯期中分析与经典期中分析在成组序贯设计中的比较

目的比较贝叶斯期中分析与经典方法的期中分析的差异。方法以对照组(Control)和试验组(Treatment)的两样本均数比较为分析目的,即θ=μT-μC(θ越大疗效越好),建立H0:θ≤0;H1:θ>0的优效性假设检验(拒绝H0,即支持处理组疗效)。按照成组序贯设计的数据要求,在每次期中分析时刻,计算各种先验分布的贝叶斯期中分析Ⅰ类错误、功效、平均样本量、平均阶段数等指标。结果在Pocock和O'Brien&Fleming设计中,Skeptical先验和Handicap先验的Ⅰ类错误ε均能控制在0.05左右。当O'Brien&Fleming和Pocock方法功效在80%时,基于Handicap先验和Skeptical先验的贝叶斯功效相对来说明显较低,而基于Non-informative先验和Enthusiastic先验的贝叶斯功效则明显较高。结论 Skeptical先验和Handicap先验的贝叶斯期中分析能较好的控制Ⅰ类错误ε,基于Skeptical先验和Handicap先验的贝叶斯期中分析相对于O'Brien&Fleming方法均能够明显增加试验提前终止的可能性,而对于Pocock方法则没有太大实际意义。

基于意群的计算机证据倾向性研究

计算机证据具有数量繁多、复杂多样等特点,因此如何快速地定位可疑文件是目前亟需解决的问题。利用意群概念和朴素贝叶斯算法对计算机证据的倾向性进行了分析研究。通过训练产生以意群为单位存储的倾向性词库。利用朴素贝叶斯算法,对待测文档中筛选出的一定数目的关键词的概率进行计算,从而得出待测文档内容的倾向性。实验表明基于意群的计算机证据倾向性研究方法在获取可疑文件方面有很好的应用效果。

基于贝叶斯理论的地下洞室群时变施工进度风险预测方法

地下洞室群施工过程中施工效率的时变效应是影响施工进度风险预测的一个重要因素,然而目前的进度预测方法并不能合理考虑。提出基于贝叶斯理论的地下洞室群时变施工进度风险预测方法,将工序单位工作量施工时间的均值和方差视为时变随机量,利用现场施工时间样本信息,不断修正和改进各开工工序单位工作量施工时间的先验信息,以获得其在现场时变施工效率影响下的后验估计,以此实现各开工工序剩余工作时间预测,并利用柔性网络计划仿真方法实现工程时变施工进度风险预测。最后通过工程实例,对比实时仿真进度预测方法阐述了所提方法在地下洞室群施工进度风险预测中的应用过程,验证了该方法的可行性及优势。

对全概率和贝叶斯公式寻找完备事件组的两个方法

对全概率公式和贝叶斯公式,探讨了寻找完备事件组的两个常用方法.

基于无失效数据的区域水库群可靠性评价

为解决特定区域的水库群整体可靠性评价问题,针对水库群的高可靠性特征,提出了基于E-Bayes理论的区域水库群可靠性评价方法,该方法可以根据选定区域的大小进行水库群可靠性的多尺度评价,进而以某省大中型水库群为例,给出了水库群的整体可靠度的点估计和区间估计,验证了本文方法的合理性和可行性。

NC项比率未知情形下的Dorfman群检验误差效果分析

本文对Dorfman群检验问题建立一个Bayes模型,取NC项比率ω的先验分布为Beta分布。利用共轭分布法,我们得到的后验分布还是Beta分布。然后由Bayes估计得出ω由此通过群检验本身过程就可得出ω。而且可以随着检验次数的增加而逐步调整。节省了检验次数,同时又没损失信息。本文还给出了一种利用专家意见确定Beta分布参数的方法讨论了最佳分组的步骤与方法。

多品种小批量生产模式下共轭贝叶斯动态质量控制方法

以多品种、小批量生产模式下数据量少及无法实现质量控制的问题为研究对象,采用共轭贝叶斯理论实现产品动态质量控制为研究目的。利用成组技术相关理论从相似工序的过去某段时间的生产批次数据中抽取数据,通过统计变换数据并再次经过Lilliefors检验、F检验确定为先验信息,然后利用时间序列指数加权理论对历史数据各批次赋予权重,通过贝叶斯正态共轭方法建模,计算工序能力指数实现工序质量衡量。仿真结果表明,随生产的不断推进,数据量的增多,模型输出的控制限不断靠近实际值,控制效果不断提高。说明所建模型能够实现产品工序质量的及时追踪和反馈,能有效解决多品种、小批量工序质量控制中出现的质量控制问题。

自动编码器方法的蛋白质二级结构预测

蛋白质二级结构预测是进行蛋白质三级结构研究的重要基础,氨基酸的编码方式对二级结构预测有一定的影响。本文应用了一种新的组合编码方式,即将基团编码与位置特异性打分矩阵(PSSM)进行组合的编码方式。本文中提出的基团编码是针对氨基酸的一种新的编码方式,基团编码是根据氨基酸内部组成来进行编码的,由42位属性组成。本文选取位置特异性打分矩阵(PSSM)中的Blosum62进化矩阵和新的基团编码进行组合,形成新的编码方式。然后对CB513和25pdb两组数据分别进行实验。本文中将采用贝叶斯分类器与自动编码器两种方法来对这种新的编码方式进行实验,然后比较这两种方法得到的两组数据的结果。可以很明显的发现采用自动编码器的实验结果要比使用贝叶斯分类器的结果要高出1.65%。在本文的实验中,可以提取特征的自动编码器的预测准确率更好。

基于几何特征和贝叶斯的运动目标分类识别方法

针对传统基于几何特征的运动目标分类识别方法在模式类预定义、特征提取利用和分类器判定策略上的一些细节处理不足,提出一种改进方法。依据目标外轮廓形态差异程度,在模式类下定义子模式类;利用提取出目标的高维度几何特征向量,通过伪划分方式分组得到若干子特征向量,多方面描述目标;通过分类器和子特征向量组计算的结果,利用综合判定机制,得到最终的分类识别结果。利用目标类别的平均识别率指标进行实验,实验结果表明,该方法对预定义的4个模式类有较好效果。

随机缩减法在拒绝型O’Brien & Fleming成组序贯设计中的应用研究

目的比较随机缩减法中条件功效和不同先验分布下的预测功效两类指标的优劣。方法以试验组和对照组的两样本均数比较的统计优效性检验为分析目的,在拒绝型O’Brien&Fleming(OBF法)成组序贯设计的条件下,通过设定不同SCP的拒绝阈值γ,在每个期中分析阶段计算CP及不同先验下的PP,并计算各指标相应的Ⅰ类错误、检验功效Power、平均样本量以及平均阶段数。结果当SCP终止条件为γ=0.80,无信息先验PP的Ⅰ类错误能稳定在0.05处左右,而CP和enthusiastic先验PP的Ⅰ类错误则出现明显膨胀;当SCP终止阈值为0.85和0.90,能明显抑制CP和不同先验下的PP的Ⅰ类错误的膨胀;当五阶段OBF功效设定在90%及SCP终止阈值为0.80的条件下,CP、无信息先验PP以及enthusiastic先验PP功效分别为87.6%、84%和86.5%。结论在期中分析次数较多的OBF成组序贯设计条件下,无信息先验PP效果优于CP;在阳性研究中,SCP能大幅减少成组序贯试验所需的期望样本量和期望阶段数。随着SCP终止阈值的增大以及期中分析次数的减少,CP和不同先验PP的功效均会出现明显的下降,而CP和不同先验PP的Ⅰ类错误的膨胀则会被抑制。随机缩减法相关指标对于临床试验有效性监测具有较高的参考价值。

生物种群的可拓判别法

将可拓判别法应用于生物种群的识别.相对于Bayes判别法而言,可拓判别法计算更简便、结果更加符合实际.

群决策中随机信息的贝叶斯集结与统计模拟方法

针对方案属性值和权重都为随机变量的群决策问题,结合贝叶斯理论和随机模拟,提出一种集成专家主观概率分布集结和随机多属性决策方案选优的方法.该方法首先构建一个多元正态集结模型,将多个专家估计的属性值分布集结成单一分布,然后用随机模拟算法,生成不完全权重信息,并通过计算各方案获得特定排名的可信度因子,以及反映决策者风险偏好的整体排名可信度因子,得到各方案排序.实例分析验证了方法的有效性.

集团统一审计、审计风险与组成部分重要性水平

针对集团审计的特性,运用贝叶斯定理构建集团审计模型GUAM,并用伽玛概率分布函数表示先验函数、后验函数与似然函数,用于规范集团各组成部分的重要性水平核算,将模型从单一组织扩展到集团层面的审计,并建立了各组成部分重要性水平与相对可变成本的计算公式,通过各组成部分的资产等标准分配权重,进而确定合适的先验水平使得集团整体的可变成本降低,以达到提高集团审计效率,通过集团层面的控制,使得在完成集团整体目标置信水平的基础上达到最佳审计效果的目的.