基于Bayes方法和模糊检验的年最高水位的概率模型研究

提出了年实测最高洪水位分布概率模型的模糊检验方法,并以此分布为先验分布,用Bayes方法得到验后分布的统计参数,以进一步修正概率模型的统计参数,得到更新的模型参数.计算实例中,以长江下游某市水文站实测的58年最高洪水位资料为样本,用K-S法和模糊检验法对年最高水位的分布规律进行检验,其结果表明:用K-S法检验,年最高水位概率分布对正态分布和极值I型分布都不拒绝,但通过模糊检验法可以证实正态分布更接近实际;再利用后10年的实测最高洪水位的小样本,对模型的分布参数进行了修正.提出的年最高洪水位的更新概率模型及参数计算方法,为现有堤防工程的加高设计方案决策提供了理论基础.

数理诊断中的Bayes条件概率模型

在疾病的数理诊断中 ,概率方法是常用的一种数学工具。介绍了 Bayes条件概率模型在数理诊断中的应用 ,并对计算的结果进行了详细的分析与讨论。

基于Bayes概率模型的单基因遗传病复发风险估计与分析

遗传咨询是在一个家庭范围内预防遗传病患儿出生的最有效的措施,其中遗传病复发风险的估计为遗传病咨询的核心内容。正确估计遗传病,特别是单基因病遗传病的复发风险,对遗传病的预防具有重要的指导作用。基于Bayes理论(条件概率模型)的遗传病复发风险估计,使得遗传病咨询及遗传病诊断更趋定量化。本文就Bayes概率模型应用于单基因遗传病复发风险估计的原理和方法进行了简要的阐述和分析。

基于局部化原理和概率模型的LVQ改进算法

利用局部化原理和概率模型的优化方法 ,提出一种LVQ改进算法———基于局部化原理和概率模型的LVQ算法 (LocalizationprincipleandProbabilitybasedLVQ ,LoPLVQ) .与传统LVQ算法相比 ,不仅缩短训练时间 ,而且具有较高的识别率 .实验结果表明改进算法可用来解决大规模的模式识别问题 .

Bayes网络与关系模型的集成:概率关系模型

对象关系模型和Bayes网络分别是关系理论和概率理论两个不同领域中最重要的模型,它们首次集成于本文引入的概率关系模型中。作为新型的概率模型,概率关系模型不仅继承了Bayes网络的大部分优点,而且关系特征和对象的概念使它能有效地克服Bayes网络在许多方面的不足,而成为对复杂系统建模的理想工具,是对Bayes网络的重要创新;作为新型的关系模型,概率关系模型也是对传统关系模型的重要创新,具备概率特征的对象关系模型有了处理不确定性问题的能力。概率关系模型的创建对复杂智能信息系统开发研究有着特别重要的意义。本文首先评述Bayes网络和对象关系模型,然后在此基础上引入概率关系模型。

基于Bayes原理的复合地基承载力概率分析方法

从Bayes的基本原理出发 ,研究了复合地基承载力的概率分析方法。结合实测数据 ,推导了承载力后验分布统计量的计算公式 。

基于最小二乘模型的Bayes参数辨识方法

现实中的系统都具有一定的非线性,并且这种非线性在非线性通道补偿和非线性系统故障诊断等领域是不可忽略的。针对有白噪声干扰的输出误差非线性系统,将数学模型与基于最小二乘的Bayes算法相结合,用数学模型参数代替辨识模型信息向量中的未知项,用基于白噪声的最小二乘模型进行不可预测辨识,从而提出了基于最小二乘模型的Bayes参数辨识方法。介绍了Bayes基本原理及2种常用的方法,经过理论分析和MATLAB仿真研究证明,该方法原理简单、计算量小、速度快、抗干扰能力强,可以对较高精度非线性系统进行参数估计和在线辨识。

海洋环境要素极值更新概率模型

能够反映实际环境荷载特征的概率模型是合理进行海洋平台结构设计和评定的基础。海洋平台设计环境荷载往往由沿岸台站资料直接得到或经相关分析推算得到,而反映当地环境条件的现场实测资料应用较少。发展了一种利用现场实测资料对环境荷载极值概率模型进行修正、从而获得融合现场资料信息和原极值资料信息的更新极值概率模型的计算方法。首先将经典Bayes方法进行推广到考虑多种先验信息来源的情况,建立了多种先验信息源下的参数估计公式;应用非正态随机变量的正态变换方法,结合海洋环境要素极值概率模型参数估计方法,将Bayes方法推广到极值Ⅰ型随机变量的情况,建立了海洋环境要素极值更新概率模型及参数估计方法。通过模拟算例和实际风速数据验证了海洋环境要素极值更新概率模型的合理性。

基于Bayes原理的酒驾检测异议案分析

Bayes原理是溯因推理的重要理论,用它分析酒驾检测异议案,有助于深入理解酒驾检测异议,理性看待检测结果。以Bayes原理为工具,应用相关统计数据,从概率论视角分析酒驾检测异议产生的原因及处理方法;解释查处酒驾二次检测的必要性与合理性。该方法突破仅从法律视角分析案件的传统,将事实证据与法律适用结合起来,为分析证据提供了一条新的思路。

临床诊断概率模型的建立与改进

介绍建立临床诊断问题数学模型的思路、过程和改进方法,并通过计算得到相应的结论:在一定条件下进行病情普查或诊断时,必须综合考虑多个指标才能提高诊断的正确率.该模型是较为理想的模型,具有一定的推广意义.

岩石抗压强度的Bayes推断

由于获得岩石抗压强度大样本的困难性,对于一个具体工程而言,如何在有限的小样本条件下,推断岩石的抗压强度参数一直是研究的热点。从Bayes计算原理出发,结合岩石抗压强度分布的已有信息,随机抽取小样本数据,得到了岩石抗压强度后验分布统计量的计算公式。针对小样本计算出的均值、方差表达式,进行了工程检验。检验结果显示,后验分布的均值和标准差均得到了很好的修正,这表明Bayes统计对岩石抗压强度的推断是可行的,从而验证了方法的有效性。

一种新的面向对象的概率图模型

针对大规模Bayes网络的知识表示和推理等问题,使用面向对象的方法扩展Bayes网络结构,提出了一种新的概率图模型——对象概率模型(OPM).该模型充分利用层次结构中所蕴含的条件独立性,有效地降低了知识表示的复杂度.在Bayes网络消元推理算法的基础上设计了OPM的一种有效的推理算法,该算法可以根据需要调节推理的计算量,在一定程度上解决了概率推理的计算的复杂度问题.将OPM用于解决图像中文本的自动检测与定位问题,实验结果验证了模型的有效性.

小概率事件原理的应用

小概率事件原理是概率论中具有实际应用意义的基本理论.本文从常见问题出发,探讨了此原理在概率统计中的应用,并通过实例介绍了这一原理的应用.

基于Bayes理论的可靠性评估方法研究

高可靠性的数控系统可靠性评估是目前尚未解决的难题。文章提出了基于Bayes理论的数控系统可靠性评估方法,给出了基于最大熵原理的验前分布的计算模型。研究旨在寻找一条切实可行的数控系统可靠性评估方法。

Bayes概率模型在新生儿黄疸阴阳属性判别中的应用

目的探讨Bayes概率模型在新生儿黄疸阴阳属性判别中的应用价值。方法将107例出生后10天内入院的新生儿黄疸患儿,按中医辨证分型分为阳黄组(68例)和阴黄组(39例)。分析可能与新生儿黄疸有关的胎内因素、出生时及出生后因素,入院当日或次日化验血常规,肝、肾功能,心肌酶等指标。应用非条件Logistic回归模型及Bayes判别分析筛选有判别意义的指标;建立阴黄及阳黄的Bayes概率模型并进行评价。结果经非条件Logistic回归模型及Bayes判别分析筛选出的对新生儿黄疸阴阳属性有判别意义的指标为:母亲年龄、妊娠期糖尿病、胎龄、窒息史、ABO溶血病、红细胞分布宽度(red blood cell distribution width,RDW-SD)、大血小板比率(platelet-large cell ratio,P-LCR)、血清直接胆红素(serum direct bilirubin,DB IL)、碱性磷酸酶(alkaline phosphatase,ALP)及胆碱酯酶(cholinesterase,CHE)。利用SPSS进行Bayes判别分析,得到Bayes判别函数系数。根据判别函数系数建立Bayes判别函数:阳黄y_1=-21.701+2.589×母亲年龄+1.037×妊娠期糖尿病-1 7.175×窒息史+13.876×胎齿争+6.303×ABO溶血病+2.1 16×RDW-SD+0.831×DBIL+0.012×ALP+1.697×LCR+0.001×CHE;阴黄y_2=-33.51 1+2.991×母亲年龄+3.960×妊娠期糖尿病-12.877×窒息史+11.848×胎龄+1.820×ABO溶血病+2.231×RDW-SD+0.999×DBIL+0.023×ALP+1.916×LCR+0.002×CHE。对判别函数进行假设检验,Wilks′λ=0.393,P=0.000,故判别函数有统计学意义。对其进行考核,阴黄及阳黄的符合率均在90%以上。结论通过构建Bayes概率模型可以较准确地判别新生儿黄疸的阴阳属性。

基于最大熵原理的地基变形分析

通过分析常规方法在沉降修正系数的选取中具有的定值性和随意性,引入建立在过去信息和现在样本信息之上的Bayes理论,结合某客运专线红粘土路基工程,提出用后验分布得到修正系数的取值范围。实例研究表明:用以往经验综合样本信息估计修正系数的先验概率在某一区间上服从均匀分布,由现场载荷试验实测沉降量与理论计算沉降量分析所得的修正系数,将现场量测的沉降变形信息与先验信息结合起来,利用Bayes统计理论,由小样本试验数据推算得到修正系数的后验概率服从正态分布,并对其参数进行区间估计,将修正系数的取值从较大区间进行优化,进而分析了在不同荷载作用条件下,沉降修正系数的概率分布模型。

小子样条件下电子装备维修性验证模型研究

介绍了经典维修性验证方法,并指出其存在的不足,主要是对于现代电子设备而言传统的验证方法需要的试验样本量太大,试验经费昂贵,难以满足实际工程需要。根据Bayes原理,结合验前信息,推导建立了小子样条件下修复时间为对数正态分布时的验证模型以及试验时所需的样本量,通过理论推导,证明了该方法比经典的验证方法所需的样本量有所减少,可以节省试验经费,具有一定的实用价值。

基于ML-Ⅱ原理的多源验前信息融合方法研究

在Bayes小子样理论中,验前分布的获取和表示是一个关键问题。针对反舰导弹靶场试验中遇到的验前信息的多源性,给出了一种基于第二类极大似然估计原理(ML-Ⅱ)的多源异总体验前分布的融合方法,并通过仿真实例证明了该方法的有效性。