科学逻辑的知识创新功能试析

从科学逻辑的角度看，科学知识创新是指科学知识的增长。归纳逻辑作为一种冒险的逻辑，其知识创新功能比演绎逻辑强。贝叶斯规则着力刻画了新证据在知识增长方面的作用，从而具有较强的知识创新功能。新培根主义归纳概率逻辑较好地满足了知识增长的要求，展示了科学知识创新的途径。要增强科学逻辑的知识创新功能，必须实现从单调逻辑向非单调逻辑的转变，从外延逻辑向非外延逻辑的转变，从形式逻辑向非形式逻辑的转变。     

非对称损失下单边截断分布族参数的经验Bayes检验及其收敛速度

在一种非对称损失下,构造了一类单边截断型分布族参数的经验Bayes检验,建立其收敛速度,在一定条件下证明了它的收敛速度可以任意接近于1/2。最后给出满足定理条件的一个例子。     

贝叶斯定理在审案中的应用

通过研究贝叶斯定理在审案中的应用,对提高审案的正确性提供一定的帮助.     

A hybrid generative/discriminative approach to text classification with additional information

This paper presents a classifier for text data samples consisting of main text and additional components, such as Web pages and technical papers. We focus on multiclass and single-labeled text classification problems and design the classifier based on a hybrid composed of probabilistic generative and discriminative approaches. Our formulation considers individual component generative models and constructs the classifier by combining these trained models based on the maximum entropy principle. We use naive Bayes models as the component generative models for the main text and additional components such as titles, links, and authors, so that we can apply our formulation to document and Web page classification problems. Our experimental results for four test collections confirmed that our hybrid approach effectively combined main text and additional components and thus improved classification performance.     

P,Q对称熵损失函数下的二项分布的参数估计

在P,Q对称损失函数下,讨论二项分布参数θ的Bayes估计及其容许性,并给出了多层Bayes估计具体形式和Bayes置信下限.     

一类经验Bayes估计的优良性

理论研究和实践结果表明,线性回归模型中最常用的方法——最小二乘法,在一些情况下表现不理想,因此近些年来,统计学家提出了许多替代方法供选择使用。本文通过参数经验Bayes(PEB)方法构造线性回归模型中可估函数的经验Bayes(EB)估计,并分别在均方误差(MSE)准则及均方误差矩阵(MSEM)准则下讨论它相对于最小二乘(LS)估计的优良性。     

Beginning Bayes

Understanding a Bayesian perspective demands comfort with conditional probability and with probabilities that appear to change as we acquire additional information. This paper suggests a simple context in conditional probability that helps develop the understanding students would need for a successful introduction to Bayesian reasoning.     

基于KNN的图像自动分类模型研究

所谓图像自动分类是指利用图像自动分类器把待分类的图像分配到预定义的图像类的过程。用于图像自动分类的方法有多种。其中K近邻算法是一种基于实例学习的方法,是一种较理想的自动分类器。本文在它的基础上提出了图像自动分类模型,整个图像自动分类过程包括图像预处理、特征表示、机器学习和图像分类4个步骤。表1。图1。参考文献13。     

基于贝叶斯分类实现数字图书馆主动推送服务

对如何通过贝叶斯分类实现数字图书馆主动推送服务进行了探讨。     

关于PDAF与不确定性推理的分析与讨论

随着电子信息技术的迅猛发展和它在军事领域中的广泛应用,数据融合技术已经越来越得到人们的重视.作为目标跟踪与目标识别领域中的基本方法,PDAF与不确定性推理有着重要的意义.文章着重介绍了PDAF方法以及主观贝叶斯方法、证据理论的基本思想方法并对其各自的优缺点和相互关系予以分析.