导读:本文包含了贝叶斯风险论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:风险,理论,频谱,标签,层次,模糊,神经网络。
贝叶斯风险论文文献综述
路涛,梁智超,索明亮[1]（2019）在《基于模糊贝叶斯风险和T-S模糊模型的故障诊断》一文中研究指出为解决复杂装备故障诊断中的知识获取和决策制定问题,提出一种数据驱动的故障诊断方法。利用模糊贝叶斯风险模型以风险最小化原则挖掘数据中有价值知识,得到相对最优属性子集,其中生成的概率分布用于T-S(Takagi-Sugeno)模糊规则提取,以分段线性化思想逼近复杂的数据知识。在数值实验中,以C-MAPSS(Commercial Modular Aero-Propulsion System Simulation)发动机数据为研究对象,验证本文方法的有效性,结果表明本文方法适用于复杂装备的故障诊断。与其他知识获取方法对比表明,本文方法可得到更高的诊断准确率。(本文来源于《测控技术》期刊2019年05期）
徐智康[2]（2018）在《基于可变贝叶斯风险的层次多标签分类算法研究》一文中研究指出多标签分类方法被广泛应用于各个领域,如文本情感分类、图像标注、个性化推荐、生物学分类等。层次多标签分类方法是依据标签间的相关性将标签进行层次化组织,并将这种层次结构作为一种监督信息用于学习过程,从而更好地解决多标签分类问题。现有的层次多标签分类方法有两种,一种可称为损失无关方法,另一种可称为损失敏感方法。HMC-loss常作为损失敏感方法的损失函数,该损失函数可对假正和假负两种错误给予不同的权重,并将层次信息添加到损失函数当中。在使用基于HMC-loss损失的HIROM算法进行预测时,会产生预测标签数却远多于真实标签数的情况。此外,层次信息的引入会对标签结点的决策顺序产生不利影响,并且HIROM算法中利用的CSSA算法合并结点的过程是部分失效的。针对上述问题,本文首先提出了一种改进的损失函数IMH-loss;然后,基于最小风险贝叶斯决策理论,提出了一种改进HIROM的层次多标签分类方法HIROM-T,该算法在改变标签结点决策的顺序的同时,舍弃CSSA算法合并结点过程,降低了算法的复杂度。针对HIROM算法预测正类标签数远多于真实标签数的问题,本文提出了一种风险随决策进行而可变的层次多标签分类算法HIRVM。实验表明,该算法可大大减少了预测正类标签个数,提高分类精度。(本文来源于《山西大学》期刊2018-06-01）
陈曦,杨健[3]（2018）在《动态频谱接入中基于最小贝叶斯风险的稳健频谱预测》一文中研究指出针对频谱感知错误累积造成频谱预测性能恶化问题,该文提出一种基于最小贝叶斯风险的稳健频谱预测策略。分布拟合检验表明频谱预测输出服从正态分布,定义频谱预测输出的贝叶斯风险函数,证明使贝叶斯风险函数最小的频谱预测输出判决门限将使频谱预测的均方误差最小,求得了使贝叶斯风险最小的最优判决门限,构建稳健频谱预测策略。仿真结果表明,与固定判决门限的神经网络频谱预测相比,稳健频谱预测策略改进了频谱感知错误下的频谱预测性能,改善了非授权用户的动态频谱接入性能。(本文来源于《电子与信息学报》期刊2018年03期）
徐智康,李旸,李德玉[4]（2017）在《基于可变最小贝叶斯风险的层次多标签分类方法》一文中研究指出层次多标签分类方法,依据标签之间的相关性组织成层次结构,并将这种层次结构作为一种监督信息,从而更好地解决多标签分类问题.在层次多标签分类问题中常用的方法有两种,一种可称为损失无关方法,另一种可称为损失敏感方法.对于损失敏感方法,常用的损失函数有HMC-loss,该损失函数可对假正和假负两种错误给予不同的权重,并将层次信息添加到损失函数当中.当利用HMC-loss预测时,尽管得到的损失值是理想的,但实际预测的标签数却远多于真实的标签数.另外,层次信息的引入会对标签结点的决策顺序产生不利影响.针对这些问题,首先提出改进的损失函数IMH-loss,其次使用贝叶斯决策理论,提出了一种贝叶斯风险随决策过程可变的层次多标签分类方法.在真实数据集上的实验结果表明,该方法在保证召回率的同时,提升了标签预测精度.(本文来源于《南京大学学报(自然科学)》期刊2017年06期）
任耿召[5]（2017）在《基于贝叶斯风险理论的高层建筑火灾处置能力优化研究》一文中研究指出随着我国城市布局从横向发展转向纵向发展,各大城市高层建筑数量直线上升。目前国内约有35万幢高层建筑,超过100m的超高层建筑占高层建筑总数的约2%,数量均居于世界首位。高层建筑多为大型城市综合体,具有经营业态多、人员高度密集,火灾防范和扑救难度大的特点,给消防员救援带来极大危险性和难度。因此开展高层建筑火灾处置能力优化研究,具有十分重要的意义。(1)根据近年国内外高层建筑火灾研究现状,结合高层建筑火灾发生的数量、原因,分析了高层建筑的火灾特性及其危险性,指出其灾害影响。以某市为例,根据消防人员配备、消防队伍建设、车辆配备、救援装备配备等情况,结合高层建筑的自防自救能力,分析该市高层建筑的消防安全现状,评估了高层建筑火灾处置能力。(2)开展人员体能、车辆作业、装备器材使用和固定消防设施等进行实验测试研究,分析各方面因素现状,总结高层建筑火灾处置重点、难点和存在的问题,分析影响高层建筑火灾处置能力的重要因素,提出优化高层建筑火灾处置队伍的人员、车辆、装备配备方案,对性能较差的装备和需要改进的装备提出了解决办法,制定适合高层建筑火灾处置的战斗编成。(3)基于实验测试数据和具体案例分析结果,利用贝叶斯风险理论构建高层建筑灭火救援处置能力评价指标体系,选取人员伤(亡)、直接经济损失、间接经济损失、火灾的有效控制和火灾的蔓延扩大评价指标,建立贝叶斯风险评估模型,评估了高层建筑火灾处置能力,验证了高层建筑火灾处置能力优化方案。本文研究成果为高层建筑火灾防控和处置提供技术支撑,为高层建筑火灾处置队伍建设、人员配备、装备建设等方面研究提供参考。(本文来源于《华南理工大学》期刊2017-10-15）
杨日岚[6]（2014）在《信息安全建设方案决策中的贝叶斯风险分析应用》一文中研究指出信息安全建设时,决策者往往面临着在既有主观风险偏好下,对建设方案进行风险评估,进而做出方案决策的情况。通过一定的信息安全历史统计数据或模拟实验数据的支持,运用贝叶斯风险分析,实现两次数学期望的求解,消除特殊情况产生个别计量值造成的偏差,从而形成基于贝叶斯风险分析的信息安全方案决策的定量分析模型。(本文来源于《警察技术》期刊2014年S1期）
张俊光,徐振超[7]（2012）在《基于贝叶斯风险决策理论的研发项目风险评估方法》一文中研究指出为提高研发项目风险评估的精度,研究了一种基于贝叶斯风险决策理论的研发项目风险评估方法。该方法通过建立研发项目风险期望函数,将贝叶斯风险值作为测度风险大小的工具,以量化各种风险,并最终建立了一个基于贝叶斯风险决策理论的研发项目模型。实际应用结果表明,该方法有效地评估了研发项目风险大小,提高了风险评估的客观性和准确性。(本文来源于《工业技术经济》期刊2012年12期）
王鹏,王政委,王金山,沈浮[8]（2012）在《基于效用的目标分配贝叶斯风险决策模型研究》一文中研究指出通过建立的贝叶斯风险决策模型并进行案例分析,将贝叶斯决策理论运用到战场目标分配决策分析中,结果表明运用贝叶斯风险可以提高决策的准确程度,降低了决策的风险程度,证明了决策模型具有实用性和有效性。(本文来源于《舰船电子工程》期刊2012年11期）
彭怡[9]（2012）在《一种基于贝叶斯风险分析的证券投资的满意策略》一文中研究指出本文在对证券市场运行特征切合实际的分析基础上,利用贝叶斯决策方法,以证券价格运行趋势构造观察变量和效用函数;为投资者提供了选择满意策略的方法,通过划分投资周期和调整投资比例,使得投资者可以依据市场行情的变化及时地调整投资策略。(本文来源于《科技视界》期刊2012年29期）
郭迎春[10]（2012）在《基于贝叶斯风险决策的创新风险管理研究》一文中研究指出在对贝叶斯风险决策理论进行概述的基础上,结合企业产品创新实例,探讨如何运用贝叶斯风险决策方法进行定量的创新风险管理,为企业创新活动提供科学的决策依据。(本文来源于《科技管理研究》期刊2012年15期）
贝叶斯风险论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
多标签分类方法被广泛应用于各个领域,如文本情感分类、图像标注、个性化推荐、生物学分类等。层次多标签分类方法是依据标签间的相关性将标签进行层次化组织,并将这种层次结构作为一种监督信息用于学习过程,从而更好地解决多标签分类问题。现有的层次多标签分类方法有两种,一种可称为损失无关方法,另一种可称为损失敏感方法。HMC-loss常作为损失敏感方法的损失函数,该损失函数可对假正和假负两种错误给予不同的权重,并将层次信息添加到损失函数当中。在使用基于HMC-loss损失的HIROM算法进行预测时,会产生预测标签数却远多于真实标签数的情况。此外,层次信息的引入会对标签结点的决策顺序产生不利影响,并且HIROM算法中利用的CSSA算法合并结点的过程是部分失效的。针对上述问题,本文首先提出了一种改进的损失函数IMH-loss;然后,基于最小风险贝叶斯决策理论,提出了一种改进HIROM的层次多标签分类方法HIROM-T,该算法在改变标签结点决策的顺序的同时,舍弃CSSA算法合并结点过程,降低了算法的复杂度。针对HIROM算法预测正类标签数远多于真实标签数的问题,本文提出了一种风险随决策进行而可变的层次多标签分类算法HIRVM。实验表明,该算法可大大减少了预测正类标签个数,提高分类精度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
贝叶斯风险论文参考文献
[1].路涛,梁智超,索明亮.基于模糊贝叶斯风险和T-S模糊模型的故障诊断[J].测控技术.2019
[2].徐智康.基于可变贝叶斯风险的层次多标签分类算法研究[D].山西大学.2018
[3].陈曦,杨健.动态频谱接入中基于最小贝叶斯风险的稳健频谱预测[J].电子与信息学报.2018
[4].徐智康,李旸,李德玉.基于可变最小贝叶斯风险的层次多标签分类方法[J].南京大学学报(自然科学).2017
[5].任耿召.基于贝叶斯风险理论的高层建筑火灾处置能力优化研究[D].华南理工大学.2017
[6].杨日岚.信息安全建设方案决策中的贝叶斯风险分析应用[J].警察技术.2014
[7].张俊光,徐振超.基于贝叶斯风险决策理论的研发项目风险评估方法[J].工业技术经济.2012
[8].王鹏,王政委,王金山,沈浮.基于效用的目标分配贝叶斯风险决策模型研究[J].舰船电子工程.2012
[9].彭怡.一种基于贝叶斯风险分析的证券投资的满意策略[J].科技视界.2012
[10].郭迎春.基于贝叶斯风险决策的创新风险管理研究[J].科技管理研究.2012
论文知识图
