导读:本文包含了后验准则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:概率,大后,函数,准则,损失,图像,气象卫星。
后验准则论文文献综述
史贤俊,王康,韩旭,龙玉峰[1]（2019）在《基于层次Bayesian网络及后验风险准则的故障样本量确定方法》一文中研究指出针对现有测试性验证方法对装备系统结构考虑不足,且在双方风险约束条件下所确定的故障样本量过大问题,提出一种基于层次Bayesian网络和后验风险准则的故障样本量确定方法。根据装备系统结构建立测试性验证方法的层次Bayesian网络模型,并以故障检测率作为Bayesian网络的传递参数;提出Bayesian网络不确定性推理算法,充分融合各层次测试性先验信息,同时基于偏度-峰度检验的拟合分布选取方法推导出系统故障检测率联合先验分布;进一步结合系统成败型数据确定其后验分布,基于后验样本数据集和Bayes后验风险准则设计故障样本量确定算法,通过实例进行分析。结果表明,与经典验证方法、传统Bayesian方法相比,所提方法在相同双方指标约束下能有效降低样本量。(本文来源于《兵工学报》期刊2019年01期）
张玥[2]（2018）在《基于最大后验准则的图像去噪方法研究》一文中研究指出图像去噪是图像处理中经典而广泛研究的问题,与稀疏编码紧密相关。其本质是最大后验(MAP)估计问题,依据含噪观测图像和原图像先验信息,估计最可能的潜在真实图像。本文以稀疏编码和最大后验准则为框架,提出2种具有强竞争力的图像去噪算法和1种推广的图像恢复算法,所做创新性工作如下:(1)采用高斯尺度混合建模稀疏系数,基于图像块的概率密度函数与稀疏系数的最大后验估计密切相关这一关键的观察,根据概率密度的线性变换求得图像块的概率密度的有效近似,将其引入稀疏系数的MAP估计中,提出一种非局部的图像去噪算法:基于高斯尺度混合和改进同时稀疏编码的ISSC-GSM去噪算法。对于一组相似的图像块,中心化预处理节约了昂贵的计算,并且可以使用有偏的稀疏系数均值。提出的模型框架可以通过交替最小化转化为两个子问题从而有效地计算,使用正交的PCA字典,每个子问题都有解析形式的解。应用于图像去噪,提出的ISSC-GSM算法取得高度竞争的去噪表现,通常比其他竞争算法有更高的主观和客观去噪质量。(2)注意到Laplacian分布具有更强的稀疏性,提出采用Laplacian尺度混合模型建模稀疏系数。利用图像先验概率密度的一种合理估计,将图像先验信息引入稀疏系数的最大后验估计之中。拓展到结构化稀疏,提出了基于拉普拉斯尺度混合和改进同时稀疏编码的ISSC-LSM去噪方法。通过中心化预处理降低计算复杂度,利用交替最小化并训练正交的PCA字典,提出了有效的封闭求解算法。结构化稀疏性的利用有助于捕捉结构化的图像特征,例如纹理和强边缘等大量自重复的模式。图像先验信息的引入进一步增强了去噪效果。该方法通常给出最好的去噪视觉质量,有效抑制不良人工干扰,同时保持纹理和边缘,最适合处理包含大量自重复图案的图像。(3)将上述提出的去噪算法思想推广到一般的图像恢复问题。交替方向乘子法(ADMM)广泛用于求解图像恢复中的约束优化问题,其模块化的“即插即用”结构允许插入提出的去噪算法,以求解ADMM算法中的子问题。针对ADMM对参数初值敏感的缺点,考虑了自适应参数;引入基于MAP的改进同时稀疏编码去噪算法,并将其作为“即插即用”去噪算子,提出了基于参数自适应ADMM和改进同时稀疏编码的ADMM-ISSC图像恢复算法,从而将利用图像先验信息和结构化稀疏的思想推广到更一般的图像恢复问题中。应用于图像恢复实验,新算法对参数初值稳健,收敛速度和稳定性更好,在客观评估指标值和主观视觉呈现上的表现令人满意。(本文来源于《西安电子科技大学》期刊2018-06-01）
张喜涛,刘刚,周珩[3]（2016）在《基于最大后验概率准则的红外图像NSCT域去噪方法》一文中研究指出提出了具有图像增强效果的基于最大后验概率准则的非下采样Contourlet变换(NSCT,Non-Subsampled Contourlet Transform)域自适应降噪算法。该算法在定图像系数和噪声系数先验为高斯分布的前提下,利用后验概率最大原理计算NSCT系数的萎缩因子。在考虑尺度和方向能量因素的基础上对萎缩因子进行了修正,并用于NSCT系数萎缩过程中。最后,通过逆变换重构出降噪和增强的图像。试验结果表明,本文方法与小波去噪方法相比,性能有明显的提升。(本文来源于《航空兵器》期刊2016年02期）
赵伟,李爱农,李召良[4]（2013）在《基于马尔可夫链和最大后验准则的模拟静止气象卫星数据地表组分温度反演》一文中研究指出地表组分温度比像元混合温度具有更强的物理意义和实用价值,是定量遥感反演的一个重要研究方向。本文以马尔可夫链和最大后验准则地表温度尺度转换方法,结合静止气象卫星数据高时间分辨率的特点,通过模拟静止气象卫星数据地表组分温度反演进行分析和验证。在研究过程中,地面被简化为由植被和土壤两组分组成,同时假设邻近像元的植被和土壤组分温度相同。鉴此,本文通过模拟构建20×20像元大小的静止气象卫星混合像元图像,并对各像元各时刻温度添加均值为0标准差为2K的随机误差,最终应用所提算法估算各像元各时刻的植被和土壤组分温度大小。精度分析结果表明,该算法能够较为精确地反演植被和土壤组分温度,且误差基本控制在2K以内。此外,本文还进一步讨论了算法的适用性及其对混合像元温度误差、植被覆盖度误差,以及邻近像元植被覆盖度变化范围的敏感度。分析结果再次证明,该方法对混合像元温度误差和植被覆盖度误差都具有较低的敏感性,在最大温度误差条件(均值为1.8K,标准差为5K)和最大植被覆盖度误差(均值为0.18,标准差为0.2)的条件下,各组分温度的估算精度分别能控制在3K和2K以内,满足精度要求。但是,由于组分温度初值的确定方法,对所计算窗口内植被覆盖度变化范围有较强的敏感性,反演结果与植被覆盖度变化范围相关,要求窗口内植被覆盖度变化范围足够大才能满足初值估算的精度要求。(本文来源于《地球信息科学学报》期刊2013年03期）
高海清[5]（2012）在《后验Γ—极小极大准则下的Bayes保费》一文中研究指出计算保费是保险公司的一项重要工作，对于保费的计算有很多种方法，其中Bayes保费理论是目前使用最广泛的方法之一。本文主要研究后验Γ—极小极大准则下的Bayes保费。在计算Bayes保费时需要用到未知风险参数的先验分布，而先验信息通常是很难确定的。根据稳健Bayes方法，不确定的先验可以通过一类Γ先验代替单一先验，并可以计算出先验下贝叶斯行为的范围，但是不能确定哪一个值是最优的。对于最优值的确定有几种方法，比如：Γ—极小极大准则，条件Γ—极小极大准则，最稳定准则和后验Γ—极小极大准则(PRGM)。传统的保费计算中是用对称损失函数来估计保单持有人的风险，例如平方损失函数，绝对误差损失函数等。这些对称损失函数在某些情况下是合适的，计算相对容易，而且对过高估计和过低估计的惩罚也是相同的。但是在有些估计问题中，对称损失函数的使用可能不太适合，对过高估计和过低估计的惩罚不一定是相等的，此时就需要考虑非对称损失函数。在本文中将考虑两种非对称损失函数（熵损失函数和LINEX损失函数）计算Bayes保费。本文选择五种可能的先验类，给出了在Poisson-Gamma模型中，对称损失函数（均方损失）和非对称损失函数（熵损失和LINEX损失）下的后验Γ—极小极大准则的Bayes保费。并对Γ—代换类下三种损失函数下的PRGM进行对比分析，此外，对叁种损失函数的风险进行了比较，结果表明非对称损失函数比对称损失函数能够更好的衡量风险，可以更公平合理的索取保费。(本文来源于《重庆大学》期刊2012-04-01）
宋俊才,张曙[6]（2010）在《基于广义柯西分布的最大后验准则频谱估计方法》一文中研究指出经典的频谱估计方法和现代的频谱估计方法在低信噪比及小数据量的情况下,谱估计的分辨率和方差性能不能满足实际应用需要。因此,提出一种高分辨率、高精度DFT变换的新方法,此方法特别适用于线性频谱的估计。该方法基于最大后验概率准则,建立广义柯西-高斯分布模型,克服了短数据情况下的DFT变换分辨率低的缺点,具有收敛快、频率分辨率高、频率精度高的优点。计算机仿真结果证实了新方法的有效性。(本文来源于《现代电子技术》期刊2010年07期）
刘春[7]（2009）在《Bayes网络学习的后验概率准则》一文中研究指出介绍了Bayes网络学习的Bayes方法,给出了Bayes网络学习的后验概率准则,并依据准则采用B-搜索算法和MCMC搜素算法寻找好的网络模型。(本文来源于《大庆师范学院学报》期刊2009年06期）
连可,龙兵,王厚军[8]（2008）在《基于贝叶斯最大后验概率准则的大型复杂系统故障诊断方法研究》一文中研究指出针对大型复杂系统的特点,在故障空间建立故障源—测试依赖关系模型。在此基础上,将贝叶斯理论引入大型复杂系统故障诊断,以最大后验故障概率为准则判断系统所处的运行状态。将该问题归纳为集合覆盖问题(SCP),用拉格朗日松弛算法求得近优解。将算法应用到阿波罗飞船发射前故障诊断实例中,取得了满意的实验结果。(本文来源于《兵工学报》期刊2008年03期）
石碰[9]（1986）在《关于后验残差一致小准则的进一步探讨》一文中研究指出本文对于一种新的预报模型的辨识准则[1],即后验残差一致小准则,在[2]的基础之上又进行了深入的讨论,给出了另一个结果,说明了这种预报准则在预测理论中是很有意义的.同时在具有大量的观测数据时,对于检验估位和预报界法的优劣是一种很好的标准.计算实例进一步表明自适应预报算法比普通的预报方法要优越得多.(本文来源于《黑龙江大学自然科学学报》期刊1986年04期）
后验准则论文开题报告
（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：
图像去噪是图像处理中经典而广泛研究的问题,与稀疏编码紧密相关。其本质是最大后验(MAP)估计问题,依据含噪观测图像和原图像先验信息,估计最可能的潜在真实图像。本文以稀疏编码和最大后验准则为框架,提出2种具有强竞争力的图像去噪算法和1种推广的图像恢复算法,所做创新性工作如下:(1)采用高斯尺度混合建模稀疏系数,基于图像块的概率密度函数与稀疏系数的最大后验估计密切相关这一关键的观察,根据概率密度的线性变换求得图像块的概率密度的有效近似,将其引入稀疏系数的MAP估计中,提出一种非局部的图像去噪算法:基于高斯尺度混合和改进同时稀疏编码的ISSC-GSM去噪算法。对于一组相似的图像块,中心化预处理节约了昂贵的计算,并且可以使用有偏的稀疏系数均值。提出的模型框架可以通过交替最小化转化为两个子问题从而有效地计算,使用正交的PCA字典,每个子问题都有解析形式的解。应用于图像去噪,提出的ISSC-GSM算法取得高度竞争的去噪表现,通常比其他竞争算法有更高的主观和客观去噪质量。(2)注意到Laplacian分布具有更强的稀疏性,提出采用Laplacian尺度混合模型建模稀疏系数。利用图像先验概率密度的一种合理估计,将图像先验信息引入稀疏系数的最大后验估计之中。拓展到结构化稀疏,提出了基于拉普拉斯尺度混合和改进同时稀疏编码的ISSC-LSM去噪方法。通过中心化预处理降低计算复杂度,利用交替最小化并训练正交的PCA字典,提出了有效的封闭求解算法。结构化稀疏性的利用有助于捕捉结构化的图像特征,例如纹理和强边缘等大量自重复的模式。图像先验信息的引入进一步增强了去噪效果。该方法通常给出最好的去噪视觉质量,有效抑制不良人工干扰,同时保持纹理和边缘,最适合处理包含大量自重复图案的图像。(3)将上述提出的去噪算法思想推广到一般的图像恢复问题。交替方向乘子法(ADMM)广泛用于求解图像恢复中的约束优化问题,其模块化的“即插即用”结构允许插入提出的去噪算法,以求解ADMM算法中的子问题。针对ADMM对参数初值敏感的缺点,考虑了自适应参数;引入基于MAP的改进同时稀疏编码去噪算法,并将其作为“即插即用”去噪算子,提出了基于参数自适应ADMM和改进同时稀疏编码的ADMM-ISSC图像恢复算法,从而将利用图像先验信息和结构化稀疏的思想推广到更一般的图像恢复问题中。应用于图像恢复实验,新算法对参数初值稳健,收敛速度和稳定性更好,在客观评估指标值和主观视觉呈现上的表现令人满意。
（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。
后验准则论文参考文献
[1].史贤俊,王康,韩旭,龙玉峰.基于层次Bayesian网络及后验风险准则的故障样本量确定方法[J].兵工学报.2019
[2].张玥.基于最大后验准则的图像去噪方法研究[D].西安电子科技大学.2018
[3].张喜涛,刘刚,周珩.基于最大后验概率准则的红外图像NSCT域去噪方法[J].航空兵器.2016
[4].赵伟,李爱农,李召良.基于马尔可夫链和最大后验准则的模拟静止气象卫星数据地表组分温度反演[J].地球信息科学学报.2013
[5].高海清.后验Γ—极小极大准则下的Bayes保费[D].重庆大学.2012
[6].宋俊才,张曙.基于广义柯西分布的最大后验准则频谱估计方法[J].现代电子技术.2010
[7].刘春.Bayes网络学习的后验概率准则[J].大庆师范学院学报.2009
[8].连可,龙兵,王厚军.基于贝叶斯最大后验概率准则的大型复杂系统故障诊断方法研究[J].兵工学报.2008
[9].石碰.关于后验残差一致小准则的进一步探讨[J].黑龙江大学自然科学学报.1986
论文知识图
