物证鉴定范式发展(二):贝叶斯似然比框架

物证鉴定结果解释范式正在经历从传统明确结论范式向物证鉴定似然比范式的转换过程。以DNA物证鉴定为典型代表的物证鉴定似然比范式提升了物证鉴定意见证据的有效性,并变革了物证鉴定意见证据的推理证明模式。物证鉴定似然比范式以贝叶斯似然比框架为基础,在代表案件控辩双方主张的一对对立的来源或行为命题下分配物证结果的似然比(likelihood ratio,LR),并将该LR作为物证结果相对支持控辩双方主张的证据价值,提供物证结果LR意见证据以帮助决策者推断和确定有争议的来源或行为命题事实。物证鉴定似然比范式在科学基础、意见形成、表述、理解和推理应用等方面,完全不同于传统物证鉴定范式,这给物证鉴定人员和刑事诉讼的决策者提出了新要求,并带来了巨大挑战。

法庭科学中的不确定性量化——法庭统计学辅助证据评价与分析

不确定性在法庭科学的研究中普遍存在,在司法鉴定的实践中亦不可避免,且与意见可靠性是共生关系。因此,将法庭统计学方法用于法庭科学/司法鉴定中的不确定性量化,是保证证据评价与证据分析的科学性的客观需求,有助于提升鉴定意见的可靠性,进而有助于提升司法鉴定的公信力。从法庭科学中的不确定性量化问题出发,从法庭统计学的角度对不确定性进行分类,总结了不同类别的不确定性的量化方法及其在证据评价与分析中的作用。同时,根据鉴定全过程似然比量化控制的理念,提出了前述法庭统计学方法应用于司法实践所需的准备工作。

基于比例优势模型的贝叶斯判别分析方法

提出一种基于比例优势模型的贝叶斯判别分析方法,结合比例优势模型和贝叶斯统计的优点,可用于有序多分类问题的建模和预测,该方法具有很强的实用性.统计模拟表明,改进后的判别方法与传统判别方法在总体数据符合正态分布时二者判别能力相当,否则提出的新方法能够更好地判别不同的数据特征.同时运用新方法分析真实的数据集,证明该方法在分类预测中的有效性和优越性.

Quantifying Likelihood in Digital Forensic Investigations

While the conventional forensic scientists routinely validate and express the results of their investigations quantitatively using statistical measures from probability theory,digital forensics examiners rarely if ever do so.In this paper,we review some of the quantitative tools and techniques which are available for use in digital forensic investigations,including Bayesian networks,complexity theory,information theory and probability theory,and indicate how they may be used to obtain likelihood ratios or odds ratios for the relative plausibility of alternative explanations for the creation of the recovered digital evidence.The potential benefits of such quantitative measures for modern digital forensics are also outlined.

基于Bi-LSTM及贝叶斯似然比检验的GEO与LEO卫星组合频谱感知

目前的频谱感知算法以模型驱动为主,其感知性能过于依赖预定的统计模型,这使得其在信道环境复杂的卫星通信场景中的部署变得困难。对LEO卫星过境期间的信噪比波动情况进行分析,结果显示信噪比的波动达到14 dB。针对该复杂场景提出了一种基于双向长短期记忆网络及贝叶斯似然比检验联合的频谱感知算法。该算法不需要任何主信号的先验知识,可自动从主信号中学习隐藏特征并做出决策。基于Neyman-Pearson准则,在神经网络输出端设计了一种基于阈值的检测方案,可方便地控制恒定的虚警概率。仿真结果表明,所提算法在信噪比为-14 dB的情况下,仍能达到83%的检测性能,且始终优于卷积神经网络、多层感知机和基于模型驱动的能量检测算法。

基于非线性漂移Wiener过程的产品实时可靠性评估

提出基于非线性维纳退化过程评估单个产品实时可靠性的方法。该方法能够有效融合先验信息和产品自身的退化信息。首先,采用非线性维纳过程描述产品性能退化的非线性特征,产品之间的差异通过随机化参数表示。然后,利用两阶段方法估计模型中的未知参数。当获得新的退化数据信息时,根据贝叶斯方法对参数进行更新,进一步实现对产品实时可靠性的评估。最后,通过一个仿真示例以及电容器实例验证文中方法的有效性。研究结果表明:与线性维纳过程相比,非线性维纳过程能够较好地描述产品性能退化的非线性,并能够给出可信的评估结果。

中国人口死亡率随机预测模型的比较与选择

本文在中国男性人口死亡率历史数据基础上,利用贝叶斯信息准则与似然比检验,比较了目前得到广泛应用的几个随机死亡率模型,结果表明Cairns-Blake-Dowd两因素模型的一个扩展模型的拟合效果最优。在最优模型的基础上,对中国男性人口死亡率进行了预测,并作为实例,对我国养老保险个人账户在领取阶段的长寿风险做出评估。

Bayes框架下DNA证据的量化研究

针对DNA(脱氧核糖核酸)证据的量化过程中常用的插入算法存在的缺陷,即量化结果与样本大小无关,小样本时过分量化了DNA证据,本文考虑了样本大小的影响,引入了Bayes模型,给出了基于Bayes模型下的似然比的计算公式.结合实际案例,对比了两种方法下的计算结果.数据结果表明基于Bayes模型下的算法比插入算法更加精确和合理.

似然比检验和贝叶斯推论在雉科分子系统学中的应用

应用似然比检验和贝叶斯推论进行雉科分子系统学研究 .所用的 56条细胞色素b基因全序列代表了雉科 2 4属 50种以及作为外类群的 6个相关属 .等级制似然比检验表明该数据集的最佳进化模型为GTR +I+G .建立在坚实的统计学基础上的贝叶斯系统树表明雉科可以分为3个分支 .特别是包括角雉、松鸡、火鸡和 gallopheasant等在内的第 3分支的单系群性质得到了充分的支持 .深层分支格局的高分辨率和高支持率说明将雉科划分为雉族和鹑族是人为的 .结果表明 ,似然比检验和贝叶斯推论是分子系统学研究的强有力工具 .

一种改进的基于说话者的语音分割算法

: 语音分割是语音识别和语音文档检索等众多语音应用的基础.提出一种改进的基于说话者的语音分割算法,对GLR和BIC相结合的算法作进一步的改进:(1) 基于GLR距离方差的自适应阈值调整算法改进了不同声学特征下基于距离的语音分割算法中的阈值选取方法;(2) 引入BIC可测度概念来度量其适用范围;(3) BIC信息准则校准非冗余的候选分割点的偏差.实验结果表明,此改进算法优于原算法.

非均匀杂波环境下基于贝叶斯方法的自适应检测

对于非均匀杂波环境下信号自适应检测问题,由于待测数据样本的协方差矩阵与训练数据的协方差矩阵不相同,造成检测性能下降,针对此问题本文提出了基于贝叶斯方法的广义似然比检测器(Bayesian generalized likelihood ratio test,B-GLRT).通过对非均匀杂波环境下协方差矩阵间的关系进行统计建模,使在B-GLRT的设计过程中能够结合杂波的非均匀性,并且这种非均匀性在统计模型中可以通过标量参数调节.同时通过对协方差矩阵选择合适的先验分布,使B-GLRT能够融合有助于提高检测性能的先验知识.通过仿真实验,验证了B-GLRT的检测性能高于传统的非贝叶斯检测器,并且分析了杂波环境非均匀性和先验信息对自适应检测性能的影响.

分子进化生物学中序列分析方法的新进展

简要介绍了分子进化生物学中序列分析方法的最新进展 ,特别强调了似然比检验和贝叶斯推论在分子进化和系统发育假说检验中的重要性 ,并介绍了新方法的一些成功应用 。

正态分布方差变点的检验(英文)

本文讨论了正态分布方差只有一个变点的检验问题，我们构造了三个检验统计量，其中L检验基于非参数U统计量，B检验基于Bayes方法，R检验由极大似然比方法导出．本文给出了L、B、R检验的渐近临界值，并用MonteCarlo模拟方法研究了这三个检验与平方的CUSUM检验以及LM检验的势，并进行了比较。当变点在序列的前一半位置时，L和R检验较好，当变点在序列的后一半位置时，平方的CUSUM和B检验较好．

基于GLR距离和BIC的混合音频分割算法

针对传统单一音频分割算法中存在的冗余分割点过多问题,研究了一种基于一般似然比(GLR)和贝叶斯信息准则(BIC)相结合的广播音频顺序分割算法,提出了候选跳变点潜在区域的判断准则,并给出跳变点在潜在区域的检测方法,最后对检测到的跳变点进行校验。实验结果表明,与传统的音频分割算法相比,该算法的综合性能大大提高,达到较好的分割效果。

基于贝叶斯统计推理的法庭证据评价

贝叶斯统计推理正在发展成为当前国际法庭科学证据评价的标准逻辑框架。它基于先验知识和证据信息对某一事件发生的可能性(假设是否成立)进行逻辑推理和概率估计。在贝叶斯框架下的法庭科学证据评价中,法庭专家基于起诉假设和辩护假设,对这两种竞争假设条件下获得证据的概率比——似然比进行统计评估,量化表明证据的价值。法庭事实裁定者通过似然比来更新其原有信念并进行事实推定。这是法庭科学领域的技术方法革新,也是科学证据采信及评价方面的进步,对法庭证据的科学应用和案件的科学审理具有重要意义。

最大似然法和贝叶斯推论与似然比检验探讨泽泻目系统发育关系

应用最大似然法(ML)、贝叶斯推论(BI)、邻接法(NJ)和似然比检验(hLRTs)进行泽泻目分子系统学研究。所用的rbcL基因序列代表了泽泻目14科46属以及作为外类群的6相关属。研究结果表明,*等级制似然比检验表明泽泻目rbcL序列最适合的DNA进化模型为GTR+I+G,最大似然法、贝叶斯法和邻接法构建的系统发育树拓扑结构相似,没有显著的差异,但贝叶斯树支持率较高;泽泻目为一单系类群,由两个主要谱系分支构成,深层分布格局由5个主要分支构成。基于分子系统发育树,文中对泽泻目科间、水鳖科+茨藻科、泽泻科+花蔺科+黄花蔺科、和"Cymodoeaceae complex"的系统发育关系进行了讨论。研究结果还表明,泽泻目系统发育关系可能还需要更多的证据进一步的澄清。

基于贝叶斯的高斯杂波背景下MIMO雷达自适应检测算法

对于集中式多输入多输出(Multiple-Input Multiple-Output, MIMO)雷达,该文研究了高斯杂波背景下的目标检测问题。该文假设杂波的协方差矩阵是未知随机的,且服从逆复Wishart分布,基于贝叶斯方法和广义似然比检验准则设计了两种新型自适应检测器。该文提出的贝叶斯检测器具有两个显著的优点:(1)不需要训练数据;(2)杂波的先验知识体现在设计方案中,从而提高了检测性能。仿真结果显示该文提出的贝叶斯检测器的检测性能优于目前常用的非贝叶斯检测器,特别是在发射波形采样数较少时。另外,该贝叶斯检测器在参数失配条件下的性能会有一定程度下降。

非高斯杂波中机载多进多出雷达动目标检测

由于多进多出雷达的机载平台运动,导致机载多进多出雷达的杂波是非高斯的并且是非均匀的,无法获得独立同分布的训练数据来估计杂波的协方差矩阵。为解决这一问题,提出把非高斯杂波的协方差建模为未知随机的且服从逆复威沙特分布的随机过程,其均值建模为杂波协方差矩阵的锐化因子和杂波多普勒谱的阿达马乘积。在此基础上采用贝叶斯方法和广义似然比检验准则,设计了一种新型的自适应检测器。数值仿真结果表明:所设计的检测器的性能要好于目前常用的两种非贝叶斯类检测器。

非完备参数信号集中式检测新方法

在复合假设检验中,广义似然比检验(GLRT)和贝叶斯(Bayesian)方法是2个广泛应用的方法。研究了这2种信号检测方法在分布式传感器网络中非完备参数(波形已知但幅度未知)估计中的应用。验证了GLRT的性能并进行了改进,提出逼近的Bayesian检测器,并与精确Bayesian方法比较,得出逼近的Bayesian检测器总有闭表达式的结论。仿真结果表明,提出的方法与精确Bayesian方法具有相近的性能。