先验分布

摘要： 在传统的定时和定数截尾试验的基础上,该文首次提出了一种新的截尾试验方案:双定数混合截尾.基于这类截尾数据求出了两参数Pareto分布参数的极大似然估计及θ的置信区间.当α已知时,取Gamma先验分布的情况下,求出了三种不同损失函数下参数θ、可靠度函数以及失效率函数的Bayes估计;当α,θ都未知时,分别取无信息先验分布和指数先验分布,在平方损失函数下分别计算出α,θ、可靠度函数以及失效率函数的Bayes估计.利用Monte-Carlo方法模拟出双定数混合截尾样本,进而得到了两参数Pareto分布的参数及可靠性指标的估计,计算出相对误差并把各种估计的精度进行了比较.最后对一个数值例子进行了分析.

摘要： 传统的企业会计信息舞弊风险识别方法存在风险识别能力差、权重选择准确性较低问题,为此,提出一种基于信息融合的企业会计信息舞弊风险识别方法。利用K-L信息距离计算会计审计信息度量空间内概率分布,获取概率分布后的融合权重;通过先验分布方式完成审计信息融合,获取融合后的审计信息分布;使用混沌神经网络构建舞弊风险识别模型,将融合后的审计信息作为模型输入,经初始化种群、计算遗传概率数值和适应度、更新权值等过程完成会计信息舞弊风险识别。实验结果表明该方法的平均适应度数值始终保持在区间0.8~0.9内,权重选择准确;识别的企业会计审计信息风险与实际数值完全相同,风险识别能力强;ROC曲线下面积大,真正率与假正率趋近数值1,泛化能力优秀。

摘要： 针对眼底稀有病症图像标注样本少,难以满足深度网络训练需求,提出了融合先验分布的多表征(MFPD:Multi-representation Fused with Prior Distributions)眼底稀有病症识别模型。在预训练模型的基础上进行微调得到嵌入模型,获取特征嵌入先验分布。将嵌入特征映射到不同空间,以不同视角提取图像特征,并在交叉熵损失的基础上,加入散度损失,增加不同视角特征的差异性,高效利用稀有病症图像信息,以减小样本量较少对模型的影响。采用OPHDIAT(Ophtalmologie-Diabète-Télémédecine)眼底图像数据集,将该方法与其他方法进行对比,实验结果证明了该方法的有效性。

摘要： 基于本文中提出的新截尾试验方案—双定时混合截尾,得到了两参数Pareto分布参数的极大似然估计,根据Fisher信息量推导出参数θ的渐近置信区间.当α已知时,取Gamma先验分布的情况下,求出了不同损失函数下参数θ的Bayes和E-Bayes估计以及可靠度函数的Bayes估计.当α,θ都未知时,取联合无信息先验分布,在平方误差损失函数下计算出α,θ的Bayes估计.利用蒙特卡洛方法模拟出双定时混合截尾样本,得到了未知参数及可靠度函数的估计,并计算出相对误差,随着样本量的增加相对误差和置信区间的长度逐渐减小.最后对一个数值例子进行了统计分析.

摘要： 基于双边定数截尾样本,在LINEX损失函数和复合LINEX损失函数下,考虑无信息先验分布与共轭先验分布,讨论Pareto分布的形状参数的Bayes估计,并对各条件下参数的估计进行数值模拟比较分析。结果表明,在不同损失函数下,取共轭先验分布时参数的估计优于无信息先验分布下的估计,且在LINEX损失函数下,先验分布取Γ分布时,参数估计的均方误差较小,估计的效果更好。

摘要： 针对现有测试性试验方法中系统级先验信息获取困难,先验分布赋权不合理以及样本量过大等问题,提出了基于分系统贡献率和先验分布可信度的测试性验证试验优化方法。首先,系统分析了测试性多源先验信息,定义了分系统贡献率,在此基础上利用信息论方法对分系统先验数据进行折算得到系统级先验数据;然后,通过相似性度量检验先验数据与实装试验数据的相容性,并提出采用逼近理想点排序-层次分析法(Technique for order preference by similarity to ideal solution-analytic hierarchy process, TOPSIS-AHP)计算先验分布可信度,进而确定混合先验分布;最后,基于分系统先验信息确定的混合先验分布,运用序贯验后加权检验(Sequential posterior odd test, SPOT)方法制定试验优化方案。实例分析表明,由基于贡献率的数据折算和基于可信度的权值计算方法得到的混合先验分布更加准确,与序贯概率比检验(Sequential probability ratio test, SPRT)方法相比,该试验方案样本量平均减少18.6%,与Bayes方法相比平均减少61.1%,而且该方法可以有效降低双方风险。考虑贡献率和可信度的SPOT试验方案在先验信息获取、先验分布权值、试验样本量、双方风险等方面均具有较好的应用效果。

摘要： 在加权平方损失函数下,使用参数估计方法,对幂函数分布的参数 λ,基于给定的一组样本X1,…,Xn,研究了参数λ的Bayes估计问题.得到了参数λ的Bayes估计的一般形式以及在给定先验分布下的精确形式,并讨论了Bayes的可容许性.

摘要： 分类是机器学习中最常见的决策问题,但实际应用中,分类过程却面临着数据类别信息量不均衡的问题,即不平衡问题.决策树作为分类问题中应用最广泛的算法,对不平衡数据中少数类的识别率较低.为提高决策树在不平衡数据上的分类效果,论文在香农熵的基础上提出了 一种基于先验信息的比例先验熵,修正了传统香农熵在类别均等分布时取最大熵值,从而导致处理不平衡问题时会出现分类效果差的问题.进一步地,基于CART算法框架构建了一种使用比例先验熵作为不纯性度量的决策树算法.试验结果表明,基于比例先验熵的决策树比基于香农熵的决策树在不平衡数据上有更好的分类效果.除了分类效果的优势,基于比例先验熵的决策树在模型算法效率方面也优于基于香农熵的决策树.

摘要： 以一类低先验信息下参数Bayes估计的先验分布选择为研究对象,采用控制变量法分别研究了样本量、先验分布的类型与方差对估计结果的影响.研究结果表明:对于该类问题,样本量充分大时,先验分布的选择对结果影响不大;样本量较小时,先验分布的类型对结果几乎没有影响;先验分布方差相差越多,结果差异越大.需要指出的是,由于条件所限,无法对所有符合条件的先验分布一一验证,因而尚不能断言所得到的结果具有普适性.

摘要： 养殖家畜的冠状病毒,如猪流行性腹泻病毒(porcine epidemic diarrhea virus,PEDV),其基因序列与蝙蝠体内冠状病毒基因序列高度相似,可引起猪肠道感染并导致仔猪大量死亡,对动物健康危害极大.本研究基于对美国猪群PEDV流行毒株表观流行率的数据挖掘作为先验信息,以2019年美国生猪入境中国西南陆路口岸的实验室抗体筛查为知识更新,利用贝叶斯统计推断方法,估计美国猪群PEDV发生的真流行率分布.结果显示,PEDV在美国猪群中的真流行率分布中位值(median)为0.005 22(95％CI=0.000 424～0.022 5),95％的高置信上限(upper confident limit,UCL)的流行率分布为3％.后验分布流行率高度右偏的概率密度统计特性推断美国猪群PEDV真流行率最大可能分布主要集中在2.5％百分位数(P2.5％=0.000 2)与中位数(P50％=0.005 22)之间,但不同生猪畜群间PEDV真流行率分布值可能会存在有小概率溢出分布大于0.03(P≤2.5％)的可能.此外,在现阶段口岸筛查的试剂选择方面,建议口岸首先使用基于N蛋白的ELISA抗体作为初筛,然后以基于S1重组蛋白ELISA抗体筛查作为复筛,来提高口岸对来自美国生猪的 冠状病毒入境我国的风险认知、管控和鉴别能力.以先验分布和口岸实验室检测结果优化为基础的贝叶斯统计推断监测技术,可以为在现有知识和认知基础上最大程度阻断来自异域病原微生物入侵提供基于科学证据的风险决策技术支持,对口岸检验检疫、抽样监测和风险决策具有突破性的意义.

摘要： 讨论了贝叶斯方法中,已知先验信息为随机变量的取值区间关于最佳估计值对称时，区间上、下界端点确定和不确定两种情况下,利用最大信息熵原理求解先验分布,从而得出贝叶斯后验分布。得到当区间上、下界端点确定时,先验分布服从均匀分布;而当区间上、下界端点不确定时,随机变量的概率密度函数服从曲线梯形分布。

摘要： 本文介绍马尔科夫蒙特卡洛(MCMC)方法,主要介绍它的一种特殊方法——M-H算法.对该算法的详细的实施过程进行了阐述,并理清了算法间的关系.最后通过一个应用实例讨论了如何使用R语言实现该算法.在本文的实例中，运用MCMC方法大大降低了计算难度，对于估计实例中参数，它所需要的主要知识仅是似然函数和先验分布等内容。特别是R语言的应用，使贝叶斯方法的实际应用更加简便可行。基于R语言的MCMC方法应用，使模型参数的贝叶斯推断摆脱了繁琐的高维积分计算，很大程度上方便了参数的后验推断问题，这使现代贝叶斯理论日趋势成熟，也极大地促进了贝叶斯理论地推广应用。然而，在MCMC方法在R语言中实现过程中，还有一些问题还有待于去完善和解决:如提高MCMC方法的估计效率;MCMC方法依赖于模拟的收敛性，而收敛性的判断至今没有一种令人完全折服的方法等。

摘要： 本文主讨论了贝叶斯因子模型选择问题,利用期望-后验先验给出模型参数的先验分布,通过一种基于训练样本的新样本-主观训练样本,解决了贝叶斯因子中边际分布难以计算的问题,并给出了期望-后验先验的模拟算法。

摘要： 本文研究了动态可靠性参数的递推估计模型,利用系统阶段可靠性评估结果,分析了系统的可靠性增长规律.在可靠性增长分析中,针对及时纠正策略和延缓纠正策略,分别运用Duane模型和Gompertz模型进行分析.由可靠性增长分析结果,运用随机变量函数的分布分析新试验阶段系统可靠性的先验分布.结合系统的少量现场试验数据,利用Bayes方法对系统的可靠性鉴定试验结果进行分析,进而给出系统可靠性参数计算的Bayes公式以及可靠性参数的分析结果.

摘要： 本文通过合理地构造无失效数据(t,n)在t时刻的失效概率P=p{T}的一类先验分布,利用贝叶斯定理给出了无失效数据(t,n)失效概率P的一种新估计.最后,结合实际问题进行了计算.

摘要： 本文给出了样本相互独立,但不同分布的情况下后验概率函数的表达式,参数取有限个值的贝叶斯假设检验方法,并将此种贝叶斯假设检验方法应用于医疗诊断。

摘要： 本文给出了样本相互独立,但不同分布的情况下后验概率函数的表达式,参数取有限个值的贝叶斯假设检验方法,并将此种贝叶斯假设检验方法应用于医疗诊断。

摘要： 本文给出了样本相互独立,但不同分布的情况下后验概率函数的表达式,参数取有限个值的贝叶斯假设检验方法,并将此种贝叶斯假设检验方法应用于医疗诊断。

摘要： 本文给出了样本相互独立,但不同分布的情况下后验概率函数的表达式,参数取有限个值的贝叶斯假设检验方法,并将此种贝叶斯假设检验方法应用于医疗诊断。

摘要： 软件可靠性工程领域一直存在模型很难应用于实际的问题,现有一百多个软件可靠性模型,它们对同一个软件工程项目的估计差别极大,到底应该相信哪一个模型?对一个模型的预测,我们有多少信心相信它符合真实?软件工程师们处于极端困难的境地.本文探讨软件可靠性估计的稳健方法,研究多模型的贝叶斯自动混合与 选择的理论,以解决上述难题,其重点是探讨贝叶斯先验表达及多模型的混合机制.

摘要： 本发明公开了一种基于先验知识的大规模BGA封装最优引脚分布生成方法，以矩阵代替封装电路进行引脚分布的设计，其中矩阵内部的元素包括信号引脚、电源引脚、地引脚，将这三类引脚以0、1、2代替并填充到矩阵的第一列向量中，以第一列向量的元素为开始，依次进行移位得到下一列元素，最终得到完整的矩阵，然后改变移位的距离可以得到多个不同的矩阵，根据每个矩阵的总电感以及返回路径质量可以得到最优矩阵，该矩阵对应的引脚分布即为最优的引脚分布，本发明的方法不需要进行耗时的迭代搜索，极大地缩短了求解时间，且在相同的参数下所构造的最优解是比较稳定的，封装电路的信号完整性也较强。

摘要： 本发明公开了一种基于暗通道先验和导向滤波的分布式遥感图像去雾方法。首先，中枢节点获取能完成遥感图像协同去雾处理任务的其他节点的信息，并将待去雾遥感图像分割成图像块并依序分发至各节点；其次，根据暗通道先验及最小值滤波窗口大小，进行毗邻子节点间边界扩展模型数据的传输，生成扩展滤波边界的暗通道图；然后，各节点发送暗通道图的灰度分布直方图信息至中枢节点，中枢节点据此计算总体大气光均值并广播至各节点；各节点根据接收到的总体大气光均值和导向滤波所求得的精细化透射率进行图像块去雾，并将去雾处理后图像块发还给中枢节点；中枢节点将接收到的所有去雾后图像块拼接成去雾后遥感图像。

摘要： 本发明公开了本发明保护一种基于用户分布先验知识的卫星信令波束调度方法，包括如下步骤：步骤1，在没有历史数据的前提下，宽带波束优先指向最先提出服务请求的区域，获得并记录所有用户接入申请信息。步骤2，在有足够历史数据的前提下，根据用户分布先验知识对卫星信令波束进行调度，并记录所有用户接入申请信息。本发明综合考虑用户的优先级、任务终端站型能力以及用户的分布位置等因素，在保证高优先级用户优先获得服务同时服务尽可能多的用户的前提下，减少波束调度次数，提高波束资源的利用率。

摘要： 本发明公开了一种同时耦合多种先验概率分布的供水管网节点需水量校核方法，属于城市供水管网节点需水量的校核方法。首先通过用户远传水表、水费账单和用户分布等信息估算需水量的先验概率分布；通过布置在管网的传感器，获取管网压力和流量监测数据；通过最大化节点需水量后验概率密度函数，建立需水量校核目标函数。随后对目标函数进行线性化，通过不断迭代，求解节点需水量。本方法通过建立需水量概率模型，确保需水量在合理的区间内被调整，降低了需水量的不确定性，提高节点需水量校核精度，为供水管网水力建模等提供科学依据。

摘要： 本发明公开了一种非均匀雾密度分布先验的遥感影像去雾方法。该方法包括以下内容：1)基于改进HDM模型的雾分布先验图的提取；2)基于雾分布先验的遥感非均匀雾影像的模拟；3)基于雾密度分布先验的去雾网络构建与验证。本发明的方法提供了一种非均匀雾密度分布先验的遥感影像去雾方法，利用非均匀雾密度分布先验的学习网络可准确表达影像的真实雾特征，有效解决了遥感影像去雾不均匀、色彩和边缘退化的问题。本发明方法的处理过程没有近似，方法对遥感影像中存在的非均匀雾特征具有较好的去除效果，可在遥感数据质检、遥感数据增强等领域中使用，可有效提高遥感数据的质量。

摘要： 本发明公开了一种基于Dirichlet分布‑多项分布共轭先验的用户侧储能聚合方法，建立用户侧储能对有功聚合控制信号的不确定性响应行为模型；根据储能用户的历史响应行为数据，基于Dirichlet分布建立先验分布θi；从先验分布θi中进行采样，计算每个储能的响应概率三元组；计算每个储能用户的有功削减期望值，并进行降序排列；确定选取的m个储能用户，发送有功调节指令；基于Dirichlet分布‑多项分布的共轭属性，更新后验分布。本发明的用户侧储能聚合方法通过贝叶斯推断不断学习储能用户参与有功调节的不确定性，实现精准有功调节的同时降低调节成本，从而提高用户侧储能的利用率。

摘要： 本发明公开了基于Wasserstein自编码器和高斯混合分布作为先验的主题建模方法，涉及自然语言处理技术领域。本发明包括以下步骤：将文本数据集表示为传统的词袋模型BOW作为自编码器的输入；数据通过编码器得到主题向量θ；使用高斯混合模型GMM作为一个先验分布，生成潜在的向量表示θ′；对得到的主题分布θ进行解码，将其映射到V个单元的输出层，获得计算输入BOW和输出的重构损失，以及分布θ′和分布θ之间的最大均值差异MMD损失；迭代，更新模型参数对生成模型进行优化。本发明使用MMD来度量先验分布和后验分布之间的差异，并且训练过程中不使用监督信息，能够获得一系列更为多样以及连贯的主题。

摘要： 本发明公开了一种适用于广告主或广告代理的，基于共轭先验分布拟合的广告出价优化方法，利用RTB评分、GSP广告竞价机制和出价曝光数据的统计特性，模拟媒体平台eCPM，判断曝光统计分布后，采用共轭先验按时间依次迭代求解分布参数的概率密度函数，最终根据数学期望计算最优出价。本发明的有益效果是：模拟RTB竞价场景下的eCPM曝光量分布；在能够分析出分布服从的概率密度函数的情况下，可以将函数参数作为随机变量，并通过共轭先验分布进行按照时间顺序迭代拟合；通过计算参数联合概率期望，最终使得广告主曝光需求的广告出价这一棘手且重要的问题得以求解；对节省广告成本，获得有效曝光具有重要的实际应用价值。

摘要： 本发明公开了一种基于先验分布的非负矩阵分解单通道语音增强方法，包括训练阶段和增强阶段。训练阶段：对纯净语音信号和噪声信号进行加窗分帧及短时傅里叶变化；对纯净语音幅度谱和噪声幅度谱分别进行正交约束的非负矩阵分解，保留基矩阵，组成联合字典矩阵，作为先验信息；对系数矩阵进行拉普拉斯分布建模，保留均值，同样作为先验信息。增强阶段：对带噪语音信号进行加窗分帧及短时傅里叶变化；对带噪语音幅度谱进行先验分布约束的非负矩阵分解，在目标函数中添加先验分布的负对数似然正则项；通过维纳滤波器，最终得到增强语音信号。本发明在非平稳噪声环境下，相对传统语音增强算法，能够去除更多的背景噪声，提高语音的可懂度。

摘要： 本发明公开一种基于消息传递和图先验分布的微博话题检测方法，包括如下步骤：(1)以微博语料为基础，根据用户间的交互关系构建用户级的社交网络；(2)基于消息传递的用户节点嵌入表示：利用图卷积网络，整合社交媒体中帖子的内容信息与结构信息，将用户间的交互关系嵌入到用户节点嵌入表示中；(3)基于图先验变分自编码器的话题生成：将整合了用户交互关系的用户节点嵌入表示作为输入，将变分自编码器的标准高斯先验分布替换为包含用户交互的图先验分布，在话题推断过程中考虑用户间的相关性。总体而言，从用户节点嵌入表示和话题推断两阶段整合用户交互。本方法检测的话题更好地关注了用户间的相关性，得到了更高的连贯性。