基于Bayes决策的蚁群优化算法

基于Bayes决策理论,提出了一种可以改进蚁群算法搜索性能的有效方法;针对基本蚁群算法中存在的“停滞”现象,对蚂蚁个体的寻优过程采取了隔代强化的措施,使算法具备较强的发现新解的能力,再采用后验分析对蚁群算法中的转移概率进行调整,使得改进后的蚁群算法在随机搜索过程中呈现出自组织特性,蚂蚁个体利用各自的后验知识不断地强化那些能“经受考验”的可行解,从而有效地压缩了搜索空间,提高了搜索效率.试验结果表明,该方法无需知道转移概率的先验分布,在解空间的全局寻优时具有良好的收敛性和鲁棒性.

Bayes统计决策方法在射表检查中的应用研究

本文重点推出了一维及多维正态总体均值的Ｂａｙｅｓ统计决策假设检验理论，对该方法在我国常规兵器射表检查中的应用进行了探索性研究，通过改变拒绝域临界值的取值，来提高射表检查的准确性。同时对古典假设检验方法与Ｂａｙｅｓ假设检验方法在射表检查结果评定中的应用作了分析比较，得出后者优于前者的结论。

投资效益审计与BAYES统计决策

投资效益审计,主要是对投资项目的经济效益进行测算和分析,进而系统、全面、公正地分析该投资项目的必要性、合理性、可行性、效益性,寻找影响其经济效益的重要原因与薄弱环节,给出提高的途径和方法,促进投资效益最优化。

基于Bayes决策的组合中值滤波

针对图象滤波中的滤噪和细节保护的矛盾,提出了基于Bayes决策的组合中值滤波技术。内容有:(1)导出了测试向量的联合分布密度函数;(2)提出了先验概率的一种估计算法,该算法具有一定的普遍应用意义;(3)基于Bayes决策,将标准中值滤波器(MF)和多级中值滤波器(MLM)组合应用,给出一种效果优良的组合中值滤波器结构。

最优投资决策的一个统计渐近算法

设■=（X1,…,Xm）为市场收益随机向量,具有联合概率分布F（■）=F（x1,…,xm）,又设■=（b1,…,bm）为一个资本投资决策,其中bi≥0,∑ibi=1。称■（■,■）=∫log（∑ibi·xi）dF（xi,…,xn）为（■,■）的倍率.一个决策■*被称为是最优的,如■（■,■*）=max W（■,■）。资本投资的一个核心问题就是寻找最优的■*。许多论文都是在F（■）已知条件下讨论这个问题。本文首次给出关于■*在m=2时的统计算法,并证明了这个估计量是一个一致统计量。

基于Bayes统计推断的粗糙集数据挖掘方法

分类发现是数据挖掘的一个重要任务,Bayes统计推断是数据挖掘中数据分类的主要方法也是其基础之一。建立在粗糙集基础上。利用概率工具以及Expectation-Maximization思想(RUBIN算法)和Bayes统计推断规则的结合提出了分类的方法和步骤,并给出实例分析,重点是RUBIN算法和Bayes统计推断规则相结合在粗糙集上建立的决策方法。

Bayes决策的矩阵算法

作出了Ｂａｙｅｓ决策的矩阵算法并讨论了不完全信息的价值。

压缩型正态——伽玛分布的Bayes统计分析研究

文章给出了两参数u ,σ2 均未知时的一种压缩型正态 -伽玛分布的Bayes分析统计性质 ,并给出相应的算法与实例 .

统计分析及决策树算法在高校就业指导中的应用

对福建某高校二级学院2016年毕业生就业信息进行预处理,从统计分析、构建决策树模型两方面开展研究。在Weka中采用C4.5(J48)算法构建了决策树,根据分析及构造的决策树模型,从人才培养方案、奖励制度、在校学生的就业规划提出了相关建议,为就业指导部门和高校领导提供一定的决策帮助。

Bayes决策理论在审计中的应用

从六十年代起,Bayes统计决策理论就开始应用于审计。Bayes决策理论的最基本思想是:信息是一种需要花费成本的资源。因此,信息的价值必须与为获取信息而耗费的其它资源的价值进行比较。由于审计人员主要是从事花费资源获取信息的活动,因此。

BAYES统计的损失函数与经济评价

本文通过Bayes 统计的损失函数的分析,用损失函数的功能为经营决策以及经济评价给出一个统计判决方法。统计推断——推理的前提中包含有受到随机误差影响的成分,故结果也有不定性,用概率来表述,这就是概率与统计发生关系的一个原因。统计判决:根据样本信息及其他方面的信息,对所面临的问题作一决定。统计推断与统计判决的区别:推断——以弄清事实为目的,不涉及行动;判决——作为一定的决定和采取一定的行动。统计判决问题的三要素:

试析决策树算法在教育统计学中的应用

数据挖掘技术及决策树简介 数据挖掘就是从大量的不完全的有噪声的模糊的随机的实际应用数据中，抽取隐含在其中的、事先并不知道的、但又是潜在有用的信息和知识的过程。决策树算法作为常用的数据挖掘技术之一，其基本思想是将实例库中记录的大量有限的具体事实数据进行归纳和分类并建立树型结构，以发现并形成隐含在大量实例中的若干形式化的分类判别规则，典型的决策树算法方法有ID3方法和IBLE（Information—basedLearningfromExample）方法。

Bayes网络学习的MCMC方法

基于Bayes统计理论,提出了一种从数据样本中学习Bayes网络的Markov链Monte Carlo(MCMC)方法。首先通过先验概率和数据样本的结合得到未归一化的后验概率,然后使用此后验概率指导随机搜索算法寻找“好”的网络结构模型。通过对Alarm网络的学习表明了本算法具有较好的性能。

基于序数效用的匹配决策问题与Gale-Shapley算法

基于序数效用的匹配决策是对市场价格决策机制的有力补充,具有重要的研究意义。文章将匹配要素分为匹配主体、匹配物、匹配算法、匹配集,从而规范了匹配决策的研究体系。在对Gale-Shapley算法进行分析的基础上,设计了一种GS算法的表上作业方法,并提出了匹配的一种矩阵表示。但是,GS算法也存在明显的局限性。GS算法显著依赖于群体容量,结果可能会偏离一般统计偏好,而且GS匹配的效率评价缺乏客观标准。

广州可持续发展多目标决策支持算法研究

以广州市为例,采用广州市历史统计数据,对将来的发展进行预测。在此基础上,探讨人口、资源、环境与经济之间的关系,建立了可持续发展多目标决策支持模拟系统。模型的计算结果可供政府及高、中层决策者制定政策时作参考。

决策树算法:揭示残障人身体活动参与关键影响因素的新方法

残障人身体活动的促成和阻碍因素复杂且多维,如个体的障碍类型、障碍程度、年龄、性别以及社会人口学因素均会直接或间接地影响其身体活动参与,且多数关于残障人的研究基于小样本数据。因此,如何对以上变量进行最优分类并揭示影响其身体活动参与的敏感因素是亟待解决的重要问题。决策树算法作为机器学习中的一种树状预测模型,可以清晰地反映不同分类变量之间的映射关系。其中,CHAID决策树算法以卡方值等统计量为分支准则。

算法思维下的“统计陷阱”与领导者的防范之道

算法思维虽能提高效率,但容易落入"统计陷阱"。以大数据为例,大数据引发"统计陷阱"的本质就在于数据的误用与滥用,造成统计数据与客观事实之间的偏离。在领导者利用大数据决策时,"统计陷阱"主要表现在主观认知偏见、客观数据偏差、相关代替因果三个方面,这很有可能损害人民利益与社会福祉。因此,领导者应以认知能力提升防范主观认知偏见,以分析能力提升规避客观数据偏差,以逻辑能力提升揭示实质因果关系,真正提升大数据统计与决策精准度。

基于直方图统计学习的人脸检测方法

提出一种基于直方图统计学习的人脸检测方法,对人脸样本和非人脸样本进行小波变换,运用一组小波系数来表征各种人脸特征信息。统计每个训练样本的直方图分布,用于描述人脸和非人脸外观特征的概率分布,每个直方图表示一组小波系数与它们在人脸中位置的联合概率密度。该方法可以准确检测自然场景中的多幅人脸,对侧面人脸有很好的检测效果。

改进粒子群优化算法在个性化定制系统中的应用

提出了一种新的网络化制造平台下个性化产品定制系统中客户满意度的数学模型,并应用基于Bayes决策的改进粒子群优化(PSO)算法求解客户满意度,获得了较好的收敛效果。面向客户的个性化产品定制系统可以让客户通过定制系统提出对产品的个性化需求,使企业有效地满足客户多品种、小批量、多批次、短周期和高质量的消费需求。

一种归纳算法的研究与改进

机器学习是人工智能应用的一个重要研究领域,分类算法是数据挖掘中的一种重要技术,决策树学习是其中常用的一种方法,本文针对目前在机器学习和数据挖掘领域中普遍采用的典型的决策树分类算法ID3算法存在的缺点提出了一种基于统计理论的统计归纳SIA分类算法,该算法以概率统计学的理论为基础,利用实例中提供给人们的统计规律的信息进行划分归类,从而简化了决策树的剪枝和优化过程,并通过Delphi实现该算法进行仿真试验,具有准确性高,分类速度快的特点。