基于贝叶斯推断理论的VAR(P)预测模型研究

VAR(P)预测模型是一类在经济管理研究领域应用较为广泛的模型,本文在贝叶斯推断理论的基础上分别对限制性VAR(P)和非限制性VAR(P)预测模型进行了研究,并得到相关结论.     

基于非参数逆向思维的参数推断设计与模拟实验

为了求解参数估计中的统计推断问题,将不含参数的非参数核密度估计和经验分布函数作为"理论分布",含参数的密度函数和分布函数作为"拟合分布",逆向地将实际中的两类分布角色互换,然后构建拟合分布与理论分布偏差的目标函数。再基于优化理论得到使得目标函数达到最小的参数值作为未知参数的估计,由此构建了求解经典的参数推断问题的两种逆向求解法。通过柯西分布参数的随机模拟试验,说明了逆向法的可行性和普适性;再结合Bootstrap方法,对常见分布参数的区间估计和检验p值进行随机模拟。结果表明,逆向方法在上述参数统计推断问题上的可行性;基于分布函数的逆向法优于基于密度函数的逆向法。     

基于贝叶斯网络的统计推断与问题求解

贝叶斯网络近年成为数据采掘引人注目的研究方向。本文介绍贝叶斯网络的结构和建造步骤 ,并着重讨论基于贝叶斯网络、综合先验信息和样本数据进行统计推断和问题求解的基本思想。与数据采掘的其他方法相比 ,贝叶斯网络统计推断的优点是可以综合先验信息和样本信息 ,并且在样本难得或具有不完整数据集时亦能使用 ,从而将使贝叶斯网络在数据采掘中成为一个有力的工具。     

基于贝叶斯分类的毒蘑菇识别

蘑菇作为人们生活中的一种美味佳肴,深受人们喜爱,而且蘑菇中的营养物质对人的身体健康有着重要作用。但是毒蘑菇与无毒蘑菇的特征极其相似,在野外杂生情况下极易混淆,因此时常造成采食者误食中毒。对有毒蘑菇的识别是避免中毒的基本措施。目前,毒蘑菇的识别方法主要包括,以民间经验为基础的形态识别法、化学分析法和动物检验法等。但是这些方法在实际应用识别中存在着准确率不高,所需实验设备复杂,对未知毒素检测不理想,实验周期长等不足。针对传统方法的不足,提出一种基于贝叶斯分类模型的毒蘑菇识别方法,通过对已知有毒蘑菇特征的学习,可以较为准确地识别未知有毒蘑菇。实验证明,该方法对毒蘑菇识别准确率达到98%以上。     

基于贝叶斯推断的多层软测量建模在丁醇发酵中的应用

针对丁醇生产过程中发酵产物品质参量难以实时测量,现有测量方法精度不高、测量结果受不确定因素影响较大的问题,提出一种基于贝叶斯推断和支持向量回归（Support vector machine regression,SVR）的多层软测量建模方法。首先应用贝叶斯推断计算后验概率、筛选偏置数据,并对偏置数据校准,建立第一层SVR模型;然后利用贝叶斯推断进行二次校准,建立第二层SVR模型,对第一层SVR模型输出进行修正,得到最终预测结果,克服干扰和偏差引起的模型不准确问题。将基于贝叶斯推断的多层支持向量回归（Bi-SVR）预测模型应用于丁醇发酵过程,仿真及实验结果表明,相较于传统SVR预测模型,系统在低干扰的情况下预测精度提高了4.52%,在高干扰时预测精度提高了5.37%。     

基于卷积神经网络的调制信号识别算法

针对基于特征提取的调制信号识别算法准确性不高的问题,将卷积神经网络(Convolutional Neural Network,CNN)应用于调制信号识别,实现调制信号的空间和时序特征的自学习,避免了传统算法中特征选择和提取步骤,提高了识别准确率.调制信号样本为RaidoML2016.10 a国际标准数据集,实验结果表明...     

基于fMRI和DTI小波融合信号的抑郁症识别(英文)

功能核磁共振和弥散张量这2种成像方式能够反应人类大脑不同方面的信息,采用小波变换的方法来对这2种医学图像进行融合可以有效改善抑郁症的识别准确率.首先,利用多尺度小波分解方法把每种类型的图像都转换到频域,以得到各频率的成分参数.其次,对于每个被试,将2种图像的分解参数根据频率各自相加,并且通过小波逆变换重建出融合图像.然后,使用主成分分析方法对融合的数据进行降维并得到图像特征.基于融合后图像的特征,采用留一检验方法最终得到了80.95%的抑郁症识别率.可以看出,该小波融合方法能够对当前抑郁症的诊断识别进行有效的改进.     

基于推断模型(IM)的配对试验优势比检验方法

针对医学配对试验中一种医药制剂对另一种医药制剂基于优势比的非劣检验问题,应用随机化合理性函数将IM检验推广为RIM检验,证明所提出的方法不仅是合适的,而且是有效的.模拟研究证实了RIM检验优于其他检验的方法,并运用该方法研究了一个实证例子.     

基于支持向量机的通信信号调制识别方法研究

支持向量机(Support VectorMachines简称SVMs)是基于统计学习理论的一种新的模式识别技术,它不仅结构简单,而且技术性能尤其是泛化能力明显提高.介绍支持向量机为理论基础的通信信号调制识别方法,计算机仿真结果证实此方法的可行性.     

一种基于数字接收机的信号调制方式识别技术

针对侦察接收机信号调制模式识别问题,提出一种基于全数字接收机理论的信号调制方式识别技术,结合AGC、FFT、位同步环和载波跟踪环技术,能够有效识别输入信号强度、载波频率动态变化的BPSK、QPSK和FSK信号。利用载波跟踪环路频率跟踪曲线完成FSK和PSK识别,利用解调的基带数据完成BPSK和QPSK识别。在Altera 公司的Stratix II器件EP2S180F1020C4上利用该方法完成实现,并对中国电子集团提供的空口信号进行识别验证。理论分析和仿真结果表明,该方法在保证识别率的同时可降低算法复杂度,易于硬件实现。     

用于交通事故分析的基于贝叶斯方法的条件自回归负二项模型(英文)

为了改进用于分析大量影响因素的交通事故模型,采用基于马尔可夫链蒙特卡罗法和吉布斯抽样的条件自回归负二项模型来拟合过度散布性(由负二项过程拟合)、未观察异质性和空间相关性(由条件自回归过程拟合).统计检验显示,由于具有更小的预测误差和更强的参数估计,条件自回归负二项模型优于条件自回归泊松模型、负二项模型、零膨胀泊松模型和零膨胀负二项模型.研究结果表明,交通事故率和死亡人数与车道数、曲线长度、车道年平均日交通量和降雨量成正比.最大限速和最近医院距离与交通事故次数成反比,而与死亡事故次数成正比,这可能是由于过高的速度会引发更严重的事故以及救援伤者时丧失较长时间.