一种可消除Lindley悖论的新的决策准则

针对风险型决策问题中最大可能决策准则的L ind ley悖论,提出了一个可以消除L ind ley悖论的新的决策准则——最小风险决策准则。该准则主要借助于所建立策略风险指标,来评价策略并进行决策。

平衡损失下Bayes线性无偏最小方差估计的优良性

在平衡损失风险函数准则下研究了未知参数的Bayes线性无偏最小方差(BLUMV)估计相对于最小二乘(LS)估计的优良性.在predictive Pitman closeness(PRPC)准则下研究了BLUMV估计相对于LS估计的优良性.

采用SRM准则设计的自适应均衡器

针对衰落信道造成的非平稳均衡问题，提出采用结构风险最小化（SRM）准则来扩展设计横向均衡器的思想和方法，理论分析和仿真实验均证实：当学习信息充分时，采用SRM准则的均衡器收敛于Wiener最优解；当学习信息不充分时，采用SRM准则的均衡器与采用最小二乘（LeasteSquares，Ls）准则的自适应均衡器相比性能有一定程度提高。

一种基于最小总风险代价函数的RAIM门限优化算法

传统接收机自主完好性监测(Receiver Autonomous Integrity Monitoring,RAIM)算法采用完好性风险最小准则确定判决门限,其过于保守的门限求解方式增加了航空用户的连续性风险。针对不同航空用户完好性需求的差异,提出了一种基于最小总风险代价函数的RAIM门限优化算法,以假设检验中漏检与误警概率之和作为总风险代价函数,在兼顾导航所需性能及RAIM可用性的前提下,最小化总风险代价函数,以此确定RAIM优化门限,实现完好性与连续性风险间的权衡。仿真结果表明,经过最小总风险代价函数权衡,可合理降低用户连续性风险,并使其具备在伪距域中判定RAIM可用性的能力。

基于可视化模式识别技术外周血涂片成像的白细胞形态分类研究

目的:为有效降低医院检验人员的工作量,研究一种适用于外周血涂片成像的白细胞分类计数识别模型。方法:通过了解外周血细胞组成、白细胞分类计数和白细胞识别原理,分析可视化模式识别技术的白细胞增强和定位原理,引入白细胞自适应阈值分割技术,根据白细胞基本特征、细胞核形态特征以及细胞浆纹理对白细胞特征的选取,使用最小风险准则建立白细胞分类模型,使用临床1024幅血细胞图像作为训练集(512幅)和测试集(512幅),对白细胞分类计数模型进行训练和测试。结果:训练集模型白细胞识别率达96.7%,残差Loss值趋于在0.08;测试集嗜酸细胞、单核细胞、淋巴细胞、分叶核细胞、杆状核细胞和嗜碱细胞正确识别率分别为96.1%、97.1%、98.4%、89.9%、75.7%和95.6%。结论:基于可视化模式识别技术的白细胞分类计数模型具有较高的识别率,具有一定的鲁棒性和实用性,可有效降低检验人员的工作量。

贝叶斯网络在用户信用评估中的应用研究

为了弥补传统朴素贝叶斯分类器在实际应用中代价不敏感的缺点,基于最小风险准则构建朴素贝叶斯模型和树增强朴素贝叶斯网模型,通过预先设置损失矩阵,分类器可以区分各种误判情形产生的代价,利用1 000条德国信用卡样本数据进行实验。研究发现,在以损失最小为导向的用户信用评估方面,基于最小风险准则构建分类器产生的总损失更小,综合性能更好;在分类性能上,简单的朴素贝叶斯模型可与复杂的基于爬山算法建立的贝叶斯网络模型相媲美;从整体经济效益看,朴素贝叶斯模型更胜一筹。