多源验前信息下结合专家经验的ML-II融合方法

在Bayes小子样理论中,验前分布的选取是一个关键。针对工程实践中遇到的验前信息的多源性,给出了一种结合专家经验改进的第二类似然原理的多源异总体验前分布的融合方法,以航空电子产品为例,针对产品的失效率,利用Monte-Carlo仿真模拟表明了该方法的有效性。

Bayes分析中多源验前信息融合的ML-II方法

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.针对工程实践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(M L-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.