分享到:

现代经济管理中的线性贝叶斯推断理论与多总体贝叶斯分类识别方法研究

本文主要研究现代经济管理中的多元贝叶斯推断理论,包括单方程模型、多方程模型系统和向量自回归VAR(p)模型的贝叶斯推断理论及其在经济预测与质量控制中的应用,以及多总体的贝叶斯分类识别方法的构造。首先,利用Radom-Nikodym定理和Harr不变测度构造了模型参数的扩散先验分布,包括位置参数、尺度参数和位置—尺度参数的先验分布;利用Neyman-Pearson因子分解定理等分析工具构造了本文所需的模型参数的共轭先验分布,包括正态分布N(μ_0,σ~2)中参数σ的共轭分布族,N(μ,σ~2)中参数(μ,σ~2)的共轭分布族,多元正态分布N_m(μ_0,Σ)中精度阵Σ~(-1)的共轭分布族和N_m(μ,Σ)中参数(μ,Σ)的共轭分布族。在单参数平方损失函数的基础上,定义了向量损失函数,利用向量化算子Vec定义了矩阵损失函数,并讨论了这两类损失函数下随机向量参数和随机矩阵参数的贝叶斯风险决策解。然后,研究了扩散先验分布下单方程模型参  (本文共120页) 本文目录 | 阅读全文>>

《系统工程与电子技术》2012年04期
系统工程与电子技术

基于扩散先验分布的成组技术分类识别方法

0引言分类识别方法是实际应用中最为广泛的统计分析方法之一。在事物已知分类的基础上建立分类函数,按照确定的准则对样本进行分类,将其划为某已知类别[1]。成组技术应用于机械加工领域,将零件按其工艺相似性分类形成零件族,基于成组技术面向工艺规划的零件分类与识别方法有聚类法,层次分析法等,还有一类是依据生产流程的分析方法。生产流程分析法是通过分析全部被加工零件的工艺路线,识别出客观存在的零件工艺相似性,从而划分出零件组。这种方法适合分选工艺相似的零件组,但难以迅速而准确地将新零件插入到已有的对应零件族中。聚类分析法首先构造零件间相似系数,再利用数学方法把零件分类成组,但多数的聚类分析只能通过聚类分析形成零件族,当零件族形成后,不能识别新零件[2-4]。也就是说,在小批量生产或者加工对象变化频繁的工艺规划中,分类识别需要从数据中学习推理。从20世纪开始,国内外学者先后提出多种识别方法,如属性邻接图匹配识别方法、凸壳分解识别方法、基于单元体...  (本文共6页) 阅读全文>>