恒定应力加速寿命试验指数部件可靠性的Bayes估计

本文介绍在恒定应力加速寿命试验下,指数部件可靠性的Bayes估计。可略去如下假设:失效分布的参数和使用的应力之间有一已知的函数关系,仅利用不同应力水平下测试的数据,即可给出正常应力下指数部件可靠性指标的表达式。最后给出一个例子。

FMA结构化分解下基于Bayes-GO的数控机床可靠性评估

为提高数控机床可靠性,提出一种FMA功能结构分解下基于Bayes-GO的可靠性评估模型。将产品按照功能-运动-动作进行功能结构化分解,得到实现产品功能的所有元动作单元;利用Bayes法综合元动作单元样本信息和验前信息,获取元动作单元可靠性模型;将FMA结构化分解树映射成GO图,并根据GO法操作符和信号流运算规则进行可靠性定量分析,为机床可靠性设计提供重要依据。以国产某磨齿机砂轮架为例进行可靠性评估,验证所提方法的合理性与可行性。

基于Choquet模糊积分的水电机组振动故障诊断

为提高水电机组故障诊断的准确性,提出了基于Choquet模糊积分融合的多分类器组合故障诊断方法,对朴素贝叶斯分类器进行了基于属性相似度的加权改进,得到基于属性相似度的加权朴素贝叶斯分类器(Attribute Similarity Weighted Naive Bayes Classifier,简称SWNBC),并应用基于Mahalanobis距离的分类器(Mahalanobis Distance Classifier,简称MDC)与BP神经网络(BP neural network)组合成为SWNBC+MDC+BP的多分类器组合模型,以小波包提取的相关频带能量作为输入特征向量,应用组合模型对水电机组故障进行诊断,采用模糊积分法来决定最终的故障类型。实验结果表明该模型相对于单一的分类器,能有效提高识别故障的精度。

高铁动车组司机连续作业时长的研究

本文在分析动车组司机感知、判断、操作特性的基础上,采用实验心理学测试方法采集司机的各项指标,根据试验测试数据,通过贝叶斯统计学的方法确定合理的高铁动车组司机乘务作业时长,建立乘务作业时长与各项测试指标之间的关系模型。通过算例验证,动车组司机安全可靠度测试等级为良好。

基于MCMC的分位AR模型的贝叶斯单位根检验研究

针对频率统计方法存在不连续的置信区间以及在小样本情况下检验势比较低的问题。把非对称Laplace分布表示成正态分布和指数分布的线性组合,推导了不同先验分布情况下参数的最大后验密度置信区间,并构造了分位回归单位根检验的贝叶斯因子,实现了对非平稳时间序列的局部单位根检验。仿真分析表明贝叶斯分位回归方法是一种稳健全面的单位根检验方法。对我国居民消费价格指数的实证研究发现,我国居民消费价格指数表现出局部的持续性,在分布的下尾部不受普通冲击的影响,但在分布的上尾部受普通冲击的影响。

基于多分类器组合的水电机组故障诊断

为提高水电机组故障诊断的准确性,提出了多分类器组合的故障诊断方法。对朴素贝叶斯分类器(NBC)进行了基于属性相似度的加权改进得到基于属性相似度的加权朴素贝叶斯分类器(SWNBC),并应用基于Fisher加权的朴素贝叶斯分类器(FWNBC),与支持向量机分类器(SVM)组合成为SWNBC+FWNBC+SVM多分类器组合模型,以小波包提取的相关频带能量作为输入特征向量,应用组合模型对水电机组故障进行诊断,采用多数投票法来决定最终的故障类型。实验结果表明该模型相对于单一的分类器,能有效提高识别故障的精度。

GPU平台上大规模文本分类的研究

为满足大规模文本快速分类的需求,在传统文本分类方案基础上,利用GPU强大的并行吞吐量,提出了一种大规模并行文本分类方案。为验证该方案的有效性,在多个平台上进行充分的实验分析。结果表明,该方案比传统的分类方案具有10倍以上的加速比。

机组动静碰磨故障的小波包诊断及贝叶斯判别方法研究

采用小波包分析对动静碰磨故障和不平衡不对中故障特征进行了研究 ,并利用贝叶斯判别法 ,将领域专家的经验知识融合到诊断模型中 ,提高了诊断的准确性 ,这为机组其它故障的诊断提供了一条新的途径。图 7表 4参 1

基于厚尾时间序列的贝叶斯单位根检验

本文运用贝叶斯因子和可信区间两种方法来研究厚尾时间序列中单位根检验问题.通过Monte Carlo模拟证实了这两种方法的有效性,并对两种方法进行对比和分析.然后,考察了先验信息和自由度对单位根检验结果的影响.最后,将这两种方法运用到检验美国失业率和居民消费物价指数时间序列中,发现这两列序列均存在单位根.

大数据环境下朴素贝叶斯分类算法的改进与实现

朴素贝叶斯分类算法是一种简单并且高效的分类算法,但条件独立性假设在现实中很难满足,导致其性能有所下降.为了解决该问题,本文在关联规则和置信度的基础上对该分类算法进行了改进.通过挖掘出来的关联规则和该规则的置信度,对不同的属性赋予不同的权重,同时实现了该分类算法的MapReduce化,从而在保持简单性的基础上有效地提高了朴素贝叶斯分类算法的分类性能.动车组运维实验表明:该算法提高了分类的准确率和效率.

基于VAR模型的中国居民消费水平贝叶斯单位根检验

针对经济时序DF单位根检验方法在小样本条件下功效偏低问题,应用贝叶斯统计方法对中国居民消费水平进行单位根检验,提高单位根检验的功效水平,建立向量自回归居民消费水平模型,并通过马尔可夫链蒙特卡罗仿真结合贝叶斯因子分别对农村居民消费和城镇居民消费进行单位根检验,结果表明贝叶斯单位根检验方法解决了向量自回归模型超参数估计的难题,克服了经典单位根检验在经济时序小样本下功效偏低的缺陷,提高了模型预测精度。

金融资产波动率的持续性检验:基于厚尾贝叶斯随机波动模型

在实证金融研究中，波动持续性是一个非常重要的研究问题。资产定价理论表明，在随机波动建模中，波动持续性可以通过检验单位根来反映。然而，对于随机波动模型来说，经典的单位根检验统计量如ADF等检验统计量应用非常困难。本文则在贝叶斯框架下，针对具有协变量的厚尾分布金融随机波动模型，给出了检验单位根的方法。蒙特卡罗模拟结果显示本文给出的方法能够取得非常好的检验功效。最后，我们用万科地产的周收益率数据论证本文给出的方法.

基于时序特征的草图识别方法

草图识别是一项很具有挑战性的工作。目前,大部分草图识别的工作都将草图当作普通的纹理图像,忽视了草图的时序性。因此,文中通过挖掘草图的时序性,将草图笔画按照时间分组。为进一步利用时序特征在草图识别过程中的作用,使用了循环神经网络将笔画分组按照时间序列作为输入,最后使用联合贝叶斯将各个时序下获得的草图特征进行整合,完成草图的识别工作。在公开标准数据集上对所提算法进行了测试,实验结果显示该算法的识别准确率明显高于其他算法。

具有GARCH-normal-error时序的贝叶斯单位根检验

针对时间序列呈现尖峰厚尾、条件方差时变特征时,DF检验功效性较低的问题,文章基于贝叶斯理论设计了MCMC抽样算法,检验具有GARCH-normal-error时序的平稳性,并用Monte Carlo模拟仿真验证贝叶斯单位根检验的可行性与有效性,结果表明:贝叶斯单位根检验的稳健性较好,样本容量、ρ的大小及波动参数和单整程度的差异对单位根检验势的影响均不大;当ρ<0.7时,DF检验的势略高于贝叶斯方法,但当ρ> 0.7时,贝叶斯方法的势远高于DF检验;DF k检验与DFτ检验的可靠性受样本容量的影响较大。

含均值结构变点时间序列的贝叶斯单位根检验

针对ADF和PP检验对含有均值结构变点时间序列的“伪检验”问题,文章基于贝叶斯理论,先运用贝叶斯因子模型选择的方法检测时序结构变点位置,再在结构变点已知的情况下运用置信区间和贝叶斯因子两种方法检验序列是否存在单位根,并用Monte Carlo模拟方法进行仿真,验证该方法的有效性。研究发现:是否考虑均值结构变点对时间序列的单位根检验有着重要的影响,不考虑结构突变而进行常规的单位根检验会产生误判;贝叶斯方法能够有效检测含有均值结构变点时间序列的变点位置,并能提高单位根检验功效。

决策论在钻头选型中的应用

本文把决策论中的最小最大决策方法和贝叶斯决策方法应用于钻头的选型 ,通过对钻头的选型 。

结构突变时间序列的贝叶斯单位根检验

在贝叶斯框架下检验含有多个均值与趋势双突变点的时间序列的平稳性。引入标号随机变量表示观测值所处的位置,运用贝叶斯因子模型选择的方法判断结构变点数目,对待检参数的先验设定为混合分布,采用可信区间检验序列是否存在单位根,并用蒙特卡罗模拟验证该方法的有效性,且以中国居民消费价格指数为对象进行实证研究,进一步印证了贝叶斯单位根检验在结构突变时间序列单位根检验中的优越性。研究发现:判断序列是否存在单位根时,不能忽视结构突变问题,否则会产生误判;先验设定对单位根检验影响较大,混合先验优于单一先验;中国居民价格消费指数序列在不考虑结构突变时是不平稳的,若考虑结构突变则该序列平稳;贝叶斯单位根检验克服了经典方法在有限样本单位根检验时存在有偏的问题,提高了单位根检验的功效。