导读:本文包含了贝叶斯判别论文开题报告文献综述及选题提纲参考文献，主要关键词:贝叶斯网络,判别参数学习,量子粒子群,故障诊断
贝叶斯判别论文文献综述
吴慧玲,丁晓彬,贺广生,刘久富[1]（2019）在《判别类条件贝叶斯网络分类器的量子粒子群优化参数学习》一文中研究指出针对贝叶斯网络分类器在处理多属性分类问题时,存在分类精度下降、算法运行时间过长等问题,提出一种判别类条件贝叶斯网络模型。该模型在类条件贝叶斯模型的基础上,将条件对数似然函数以对数形式重新参数化,并使用量子粒子群优化算法最大化目标函数。新模型采用判别参数学习方法,直接计算条件概率,对于分类问题更加高效。本研究将判别类条件贝叶斯网络模型与TAN分类器相结合,使用量子粒子群算法进行优化,用于对液体火箭发动机的故障诊断与分类中。针对某型号火箭的仿真数据进行故障诊断与分类,与传统的贝叶斯分类器相比,改进的分类器在处理分类问题时,准确率和学习效率更高。(本文来源于《山东科技大学学报(自然科学版)》期刊2019年05期）
王利花,杨智凯,杨洋,申坤,任晓建[2]（2019）在《基于聚类分析和贝叶斯判别的储层分类评价方法》一文中研究指出储层分类评价是气藏开发的重要内容,本文以苏里格气田东区盒8段储层为研究对象,优选储层厚度、储层最大渗透率、储层含气饱和度、储层渗透率均质系数4个评价参数,应用数理统计方法将这些评价参数集合起来进行聚类分析,从而对储层进行分类,在储层分类的基础上,应用贝叶斯判别方法得出储层分类的综合评判函数,建立了储层分类标准。应用该方法对储层进行分类评价,得出的评价结果与试气无阻流量符合率较高,分类评价效果良好。(本文来源于《石油化工应用》期刊2019年09期）
官银,李新月,朱家明[3]（2019）在《基于贝叶斯判别法对制造业财务预警计量分析》一文中研究指出为助力"中国制造2025",针对制造业企业财务预警问题,选取若干ST和非ST企业,构建财务预警指标体系,进行判别分析的可行性检验后,使用贝叶斯判别法构建预警模型.实证结果表明,贝叶斯函数判别模型的正确率达到90%,则其可以有效度量制造业企业财务状况,制造业企业可引进此模型监测自身财务运转情况,提前防范财务风险.(本文来源于《内江师范学院学报》期刊2019年06期）
汪欢欢[4]（2019）在《基于K-均值聚类与贝叶斯判别的区域创新极培育能力评价——以我国30个省市自治区为例》一文中研究指出本文构建了涵盖4个一级指标和12个二级指标的区域创新极培育能力评价指标体系,以我国30个省市自治区为研究对象,运用K-均值聚类分析和贝叶斯判别方法对区域创新极培育能力进行定量评价,分析不同区域间创新极培育能力存在差异的原因,提出了提高区域创新极培育能力的政策建议。结果显示:我国30个省市自治区的区域创新极培育能力可以分为4类,从Ⅰ类到Ⅳ类区域创新极培育能力逐渐降低,产业创新活力、区域知识支撑水平、区域创新极培育环境、区域经济发展水平逐渐变差,运用贝叶斯判别能够快速判别区域创新极培育能力大小,对区域创新极培育的研究具有一定指导意义。(本文来源于《工业技术经济》期刊2019年05期）
琚棋定,胡友彪,张淑莹[5]（2018）在《基于主成分分析与贝叶斯判别法的矿井突水水源识别方法研究》一文中研究指出结合主成分分析和贝叶斯(Bayes)判别简化构建突水水源识别模型,水样变量因子选取Ca~(2+)、Na~++K~+、Mg~(2+)、HCO_3~-、Cl~-、SO_4~(2-)六个指标。采用潘二矿新生界松散层、煤系砂岩以及太原组灰岩中的水质分析资料作为训练样本和预测样本,其中,训练样本24个,预测样本11个,判别结果表明:松散层水正确率为81. 8%,砂岩水正确率为83. 3%,灰岩水正确率为85. 7%,整体正确率为83. 3%,判别结果可信度高。同时,将主成分分析和贝叶斯结合突水识别模型与贝叶斯模型比较表明利用主成分分析和贝叶斯结合的模型能有效消除冗余信息,使判别结果更加快速准确。(本文来源于《煤炭工程》期刊2018年12期）
刘雨萌,李战江,尹伟[6]（2018）在《非参数下贝叶斯判别与聚类分析的信用指标筛选模型》一文中研究指出文章通过非参数贝叶斯判别对所有信用指标进行第一轮筛选,通过非参数聚类方法对保留的信用指标进行第二轮筛选,提供了一套指标分布未知下筛选信用评价指标的非参数方法,并以某商业银行的860个企业信贷数据为样本进行了应用分析。其要点一是通过非参数核密度分布函数构建违约客户与非违约客户的二分类贝叶斯判别模型,删除判别精度影响度大于等于0的信用指标,保留判别精度影响度小于0的信用指标。二是通过非参数聚类将保留的指标聚为19类,在聚为一类的指标中保留判别精度影响度比重最大的信用指标,最终构建具有显着信用判别能力且信息不重复的指标体系。实证结果表明,最终构建的20个指标的企业信用评价指标体系符合5C要素模型。最终构建指标的判别精度高于全部指标判别精度3个百分点。(本文来源于《统计与决策》期刊2018年22期）
高文,黄钢,韩晓莉[7]（2018）在《基于蚊密度差分自回归移动平均模型预测流行性乙型脑炎的贝叶斯判别分析研究》一文中研究指出目的利用贝叶斯(Bayes)判别分析方法探讨河北省流行性乙型脑炎(乙脑)发生与蚊密度时间序列预测模型的关系,验证差分自回归移动平均(ARIMA)模型在病媒生物监测信息管理系统中对蚊密度的预测及关联乙脑病例的预警作用。方法收集河北省2009-2016年乙脑报告病例资料和蚊密度监测资料进行统计分析,采用ARIMA模型进行建模拟合及预测分析;利用Bayes判别分析论证蚊密度预测模型与乙脑的关系。结果通过ARIMA模型对总蚊密度进行拟合得出最优模型ARIMA(0,1,1)×(0,1,1)12;2009-2016年河北省总蚊密度与乙脑呈正相关(r=0.101,P=0.043);将Bayes判别分析用于河北省总蚊密度时间序列模型预测值判别2个月后的乙脑发病情况,与实际乙脑发生情况比较符合率为0.631 6,总蚊密度监测值与ARIMA模型的预测值对密度高峰后2个月的乙脑发病状况Bayes判别结果符合率为100%。结论 Bayes判别分析可应用于河北省总蚊密度时间序列模型预测值对乙脑疫情的预警,通过建立模型对蚊密度预测,可以利用病媒生物监测信息管理系统蚊虫监测数据对蚊媒传染病的防控工作提供预警支撑。(本文来源于《中国媒介生物学及控制杂志》期刊2018年06期）
陈发展[8]（2018）在《近似贝叶斯计算在判别分析中的应用》一文中研究指出贝叶斯线性判别是判别分析中流行的一种判别法,该方法在实现过程需要涉及高维样本协方差矩阵逆的复杂运算。本文利用近似贝叶斯方法对贝叶斯线性判别进行了算法设计和研究。该方法简单明了,易于实现并且规避了高维样本协方差矩阵逆的计算。本文还结合R软件对常见的分类案例给出近似贝叶斯计算和估计,从而说明了近似贝叶斯计算的简单有效性。(本文来源于《电脑知识与技术》期刊2018年29期）
刘建学,马凯旋,韩四海,陈浩宇[9]（2018）在《食源性致病菌近红外光谱改进贝叶斯判别模型的建立》一文中研究指出采用傅里叶变换近红外光谱仪结合化学计量学方法对大肠埃希氏菌O157∶H7、单增李斯特菌、金黄色葡萄球菌3种典型食源性致病菌进行鉴别研究。光谱数据经矢量归一化等预处理后,选取6 000~4 000 cm~(-1)波数范围具有菌株特性的谱图作为鉴别分析的研究对象,进行主成分分析(Principal component analysis,PCA)。利用PCA提取的前2个主成分作为贝叶斯判别(Bayes discriminant analysis,BDA)模型的最优判别因子,建立改进贝叶斯判别模型。该改进模型对训练样本和未知样本的判别正确率均达到100%。结果表明,改进BDA模型比BDA模型在食源性致病菌的判别精确度上有较大提高,基于近红外光谱的改进BDA模型可以作为一种准确、有效的食源性致病菌快速鉴别方法。(本文来源于《农产品加工》期刊2018年12期）
林宏赡[10]（2018）在《基于朴素贝叶斯、线性判别、二次判别分类算法的选股实证研究》一文中研究指出本文基于朴素贝叶斯分类算法、线性判别分类算法、二次判别分类算法进行选股实证研究,为广大投资者提供一种投资决策建议,具有现实的研究意义。本文详细介绍了朴素贝叶斯,线性判别分析,二次判别分析用于分类的原理,算法优缺点、步骤及具体处理细节,并将其运用于多因子选股实证。朴素贝叶斯假定各个因子间相互独立,但实际上,实际因子数据很难满足这样严苛的假设,这会导致模型估不准。一开始我们采用了主成分分析对实际因子进行转换,但是效果并不令人满意。因此我们提出了不要求因子间相互独立的线性判别和二次判别分类算法。线性判别假设各类别的方差相同,为总体方差,二次判别假设各类别方差不同。针对线性判别和二次判别分类算法,本文采用Ledoit-Wolf方差缩减法对协方差矩阵的估计值进行了缩减以提高模型性能。本文选取了沪深300作为股票池,选取了估值、成长、财务质量、杠杆、市值、动量反转、波动率、股价、Beta、换手率、情绪、股东、技术13大类39个因子暴露度作为样本的原始特征,对训练集月收益率进行标签化,采用滚动训练集,选取最长训练期进行做多,做空,多空叁种策略回测,并选取沪深300作为基准组合进行对照。本文选取了正确率和AUC两个指标比较了朴素贝叶斯,线性判别,二次判别分类模型的分类效果,选取年化超额收益率、超额收益最大回撤、信息比率叁个指标比较叁种分类模型的回测表现。绝大多数时候,线性判别分类模型的分类效果和回测表现均优于其他分类模型。我们认为这是由于线性判别分类模型考虑了因子间的相关性,并且假设不同类别的因子相关性相同,这种假设最符合实际情况。二次判别分类模型的假设最为详细,但由于需要顾及的参数最多,会导致估计上的偏差影响结果。当特征数目不多且数据量较大时,线性判别分类模型有着绝对的优势。此外,本文还将叁种模型同逻辑回归模型进行比较,得出线性判别分类算法和逻辑回归在分类效果和回测表现相似,总体上略优于逻辑回归,朴素贝叶斯和二次判别分类算法在分类效果和回测表现上均不如逻辑回归的结论。本文认为这主要是在估计协方差矩阵时进行缩减处理提升了模型性能所致。(本文来源于《山东大学》期刊2018-05-15）
贝叶斯判别论文开题报告
（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：
储层分类评价是气藏开发的重要内容,本文以苏里格气田东区盒8段储层为研究对象,优选储层厚度、储层最大渗透率、储层含气饱和度、储层渗透率均质系数4个评价参数,应用数理统计方法将这些评价参数集合起来进行聚类分析,从而对储层进行分类,在储层分类的基础上,应用贝叶斯判别方法得出储层分类的综合评判函数,建立了储层分类标准。应用该方法对储层进行分类评价,得出的评价结果与试气无阻流量符合率较高,分类评价效果良好。
（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。
贝叶斯判别论文参考文献
[1].吴慧玲,丁晓彬,贺广生,刘久富.判别类条件贝叶斯网络分类器的量子粒子群优化参数学习[J].山东科技大学学报(自然科学版).2019
[2].王利花,杨智凯,杨洋,申坤,任晓建.基于聚类分析和贝叶斯判别的储层分类评价方法[J].石油化工应用.2019
[3].官银,李新月,朱家明.基于贝叶斯判别法对制造业财务预警计量分析[J].内江师范学院学报.2019
[4].汪欢欢.基于K-均值聚类与贝叶斯判别的区域创新极培育能力评价——以我国30个省市自治区为例[J].工业技术经济.2019
[5].琚棋定,胡友彪,张淑莹.基于主成分分析与贝叶斯判别法的矿井突水水源识别方法研究[J].煤炭工程.2018
[6].刘雨萌,李战江,尹伟.非参数下贝叶斯判别与聚类分析的信用指标筛选模型[J].统计与决策.2018
[7].高文,黄钢,韩晓莉.基于蚊密度差分自回归移动平均模型预测流行性乙型脑炎的贝叶斯判别分析研究[J].中国媒介生物学及控制杂志.2018
[8].陈发展.近似贝叶斯计算在判别分析中的应用[J].电脑知识与技术.2018
[9].刘建学,马凯旋,韩四海,陈浩宇.食源性致病菌近红外光谱改进贝叶斯判别模型的建立[J].农产品加工.2018
[10].林宏赡.基于朴素贝叶斯、线性判别、二次判别分类算法的选股实证研究[D].山东大学.2018