董超[1]2017年在《结合广义线性模型与贝叶斯方法的非正态响应稳健参数设计》文中研究说明稳健参数设计作为持续性质量改进过程的重要支撑技术,在产品质量设计问题中得到了广泛的应用。稳健参数设计的核心思想是在保证产品的均值尽可能接近设计目标值的基础上,最大限度减少产品质量特性值围绕目标值的波动。该方法主要是通过利用产品的响应变量与可控因子间的非线性关系以及可控因子与噪声因子的交互作用,调节可控因子的水平,使得产品输出对噪声因子的变化不敏感。从而达到减小质量特性波动的目的,以较低的成本获得高质量的产品。在以往关于稳健参数设计的研究中,大多数研究是在假设响应变量的质量特性服从正态分布的情形下进行的。然而,在实际的生产过程中,产品质量特性服从非正态分布的生产案例也普遍存在。对于非正态响应质量设计问题,可选择构建广义线性模型的方法,以联系函数建立响应均值和方差的函数关系。在实际生产中由于试验成本过于昂贵,通常进行小样本物理试验。然而,小样本试验数据偏少,可能导致建模过程中模型参数的不确定性程度偏高。贝叶斯方法能够充分利用参数的先验信息,在一定程度上解决了模型参数的不确定性问题。因此,本文针对非正态响应质量设计中因小样本试验数据偏少而导致的模型参数的不确定性、产品批次生产的差异性以及噪声因子等问题,综合运用了广义线性模型、贝叶斯方法以及启发式优化算法等技术,以系统建模、仿真分析以及实例验证为手段,系统研究了结合广义线性模型与贝叶斯方法的非正态响应稳健参数设计。具体研究内容如下:(1)考虑批次差异的贝叶斯广义线性混合模型稳健参数设计。在实际生产过程中,由于相关因素的影响,不同生产批次的商品间可能会存在一定的差异。针对产品质量特性服从非正态分布的批次生产问题,本章在贝叶斯方法的框架下,以批次间差异作为随机变量,结合MCMC方法更新参数的后验信息,构建基于贝叶斯方法的广义线性混合模型。选择均方误差为质量优化指标通过遗传算法等优化方法对参数进行优化。(2)基于贝叶斯广义线性模型的裂区试验稳健参数设计。在裂区试验模型构建过程中,由于裂区因子不易改变,因此将裂区因子视为产品生产过程中的噪声因子。构建基于贝叶斯推断和MCMC方法的响应变量与显着因子及噪声因子的关系模型。根据所建模型可获取大量的样本数据,分别以均方误差和产品合格率作为指标进行参数优化,并对比在考虑模型稳健性和不考虑模型稳健性两种情况下参数优化结果的异同。(3)考虑噪声因子的贝叶斯分层双广义线性模型稳健参数设计。为了进一步探究噪声因子对于产品过程的影响,考虑产品设计过程中噪声因素的不确定性,构建噪声因子与散度参数的关系模型,通过分层模型建立与样本均值模型的联系,依据相关理论构建响应变量的均值模型和方差模型,为了便于与相关研究结果的对比,以均方误差作为优化目标对参数进行稳健参数优化。最后,在总结文章研究成果的基础上,指出了该研究领域的后续研究方向。
高家凤[2]2014年在《我国高技术产业R&D产出效应的研究》文中提出自改革开放以来,我国的高技术产业得到快速发展,到2011年,总产值已经居于世界前列,但是在R&D投入强度等指标方面仍落在许多国家之后。在国家现代化发展进程中,经济增长的重要动力和绩效来自于高技术产业中R&D投入及其贡献。因此,从宏观区域环境与微观企业不同层面做系统深入研究具有重要意义。本文通过我国高技术产业30个省、自辖市2007—-2012年的经济数据,结合目前对高技术产业已有的研究,将总产值利税率作为衡量产出绩效的指标,将企业R&D投入变量作为层—1自变量,各省地方财政支出中科技财政支出的比重作为层—2自变量,结合状态空间模型和多层贝叶斯模型进行R&D绩效分析。最终得到的结论是：1.我国R&D投入对产出的影响存在延迟效应2.我国高技术产业的产出效应不仅与R&D投入有关,还受到环境因素的影响。3.从纵向发展方面来看,随着时间的变动,我国高技术产业的总产值利税率有显着的正向增长效应。4.企业层面的R&D投入和各省的环境因素通过多种机制影响高技术产业的产业效应。本文的主要创新有以下几个方面：1.根据面板数据的特征,选用了纵向发展模型来研究我国高技术产业的R&D绩效,引入反映高科技产业发展的先验分布,估计了系统模型的固定效应和随机效应。2.根据面板数据的特征,同时结合状态空间模型和多层贝叶斯模型,首次运用分层贝叶斯模型来分析我国高技术产业的R&D效应。在分析两个层面的影响因素时,不仅考虑了水平2的环境因素对R&D投入因素与产出效应关系的调节机制,还考虑了R&D投入因素对产出总效应的自我调节机制。3.从宏观、微观及动态发展叁个视角系统深入地研究了我国高技术产业的R&D绩效。在研究我国高技术产业的R&D绩效时,同时考虑了企业的R&D投入因素和高技术产业发展的环境因素。模型中,将产出效应对R&D投入的回归系数设定为可变系数,并且通过状态空间模型的拟合,得到了各省系数的发展趋势。
于灏[3]2003年在《混合模型的贝叶斯分析》文中研究表明混合模型可以作为许多工程实际问题的数学模型，具有重要的理论与实际意义。在理论方面的研究主要集中在混合模型参数的估计和混合元个数的估计。本文主要研究混合模型的贝叶斯估计问题，主要工作如下： 1、在混合元个数已知的情况下，首先证明了正态混合模型参数在特定先验分布下，其贝叶斯估计的容许性；然后用Cibble抽样法对混合模型的参数进行抽样，构造了一个Markov链，解决了贝叶斯估计的算法问题，并通过实例说明了MCMC方法是可行的。 2、针对“标号交换”问题，提出了两种新的重新标号算法，并从理论上证明了算法的可行性。一种是聚类分析法：通过对原始的样本进行重新聚类，来对参数估计序列进行重新标号；另一种算法对参数估计序列，通过使类概率矩阵间的距离最小，达到重新标号的目的。通过实例说明了文中所给的方法是简单、可行的。 3、当混合元个数未知时，把延迟拒绝方法推广到参数维数可变的情形，改进了Richardson and Green(1997)中的可逆跳MCMC方法。实例计算表明文中的方法比可逆跳MCMC方法更有效。
郭鹏[4]2017年在《贝叶斯空间分位计量模型及应用研究》文中进行了进一步梳理空间计量经济学是计量经济学领域中研究的前沿问题之一。由于任何经济个体都不可能独立存在,它总是与其相邻的经济个体存在着各种各样的联系,这使得空间计量经济学的理论和应用研究日益受到学术界的广泛关注。空间计量经济学将空间效应和空间相依关系引入传统计量模型和统计方法中,为解决经济管理活动中的空间相依性和空间异质性等问题提供新的理论框架和分析方法。此外,空间经济学还将空间权重矩阵加入模型分析中,该权重矩阵可以测度个体之间存在的空间效应。尤其是在经济全球化和一体化的背景下,国际贸易和资本流动等活动极大的提高了各个国家与地区间的金融依存度,全球股市间的联动性也显着的增加了,此时考虑股市间的空间溢出效应就显得尤为重要。空间金融数据的尖峰厚尾特征使得经典均值回归模型的假设难以得到满足,而分位回归理论为解决这一问题提供了有效的工具和方法。分位回归模型可以完整的刻画被解释变量中心位置和尾部行为的趋势,从而为全面地描述被解释变量与解释变量间的因果关系提供有效的方法和支撑的工具。而将贝叶斯理论引入则可以考虑参数的不确定性风险,并在理论上扩展空间计量的研究方法与视角,在实践上为经济管理问题的决策分析提供技术支持。针对空间数据中存在的空间相依性,本文将非对称拉普拉斯分布表述为经典的高斯分布和指数分布的混合形式,并基于该混合表述形式将空间相依性整合进非对称拉普拉斯过程中。再将该过程与分位回归理论相结合,通过条件分位模型来估计分位多元回归模型,这样就可以刻画在不同分位点下的自变量对因变量的异质性影响。并在叁种不同的混合表述形式下推导贝叶斯空间分位自回归模型的性质,以及在极端分位数下的平滑性和协方差性质。最后通过一个仿真分析论证贝叶斯空间分位自回归模型的优良性质。同时考虑截面数据间的空间异质性与空间相关性是空间计量经济学中有待解决的难点问题之一。目前,仅有地理加权回归模型从局部视角综合处理横截面数据中的空间相关性与空间异质性。但经典的估计方法在估计地理加权回归模型时存在叁个主要的限制:经典估计方法要求随机误差项服从正态分布或其他已知分布;计算量巨大,特别是在大样本情况下传统估计方法几乎无法完成计算;仅能描述响应变量与协变量之间的中心趋势,而不能刻画其尾部性质。本文针对传统估计方法的不足,使用贝叶斯理论和分位回归方法来估计地理加权回归模型,并对地理加权回归模型进行数理推导和统计推断研究。贝叶斯理论可有效的处理上述前两个问题,而分位回归方法则可以处理上述第一个和第叁个问题。最后,对地理加权回归模型,贝叶斯地理加权回归模型和M-分位数地理加权回归模型进行仿真研究和参数估计。空间面板数据可同时考虑空间相依性和空间异质性,这是由空间面板数据的性质决定的,但其估计方法则要复杂些。本文在面板分位回归和贝叶斯分位回归的基础上构建了贝叶斯空间面板分位回归模型,该模型不仅能对非正态、异方差数据有较好的拟合效果,还能够全面的刻画在被解释变量的不同条件分位下,解释变量对被解释变量的边际效应。通过把非对称拉普拉斯分布表示成指数分布和正态分布的混合形式,得到条件分位函数后验估计量的解析式,并设计Gibbs和M-H抽样算法对模型参数进行估计。最后,利用蒙特卡罗仿真实验对所提出的模型和方法进行检验。股市联动性的研究是金融研究中的热点问题。本文选取全球四十一个国家的股市数据,选取股市收益为响应变量,汇率波动、GDP增长率、主权违约率等为协变量。先使用一阶空间混合回归模型对全球股市之间的空间相依性进行估计,再利用二阶空间混合回归模型研究空间效应对股市收益的影响和外部冲击是怎样通过空间系统传递的,最后则对每个模型的结果进行稳健性分析。
袁超杰[5]2017年在《纵向数据下一类半参数部分线性混合效应模型的贝叶斯估计》文中研究说明纵向数据作为目前科学研究和实际分析中大量、频繁出现的一类数据,在临床医学、流行病学、计量经济学等诸多领域存在着广泛的运用。纵向数据可以看作时间序列数据与截面数据的综合体,既含有时间序列数据又包含截面数据,可以将不同时点的研究对象有机结合,为我们提供研究对象在某一时点的变量关系的同时观察研究对象随着观测时刻的变动趋势,更好地分析研究对象的动态变化规律。其次,它可以减少个体之间的异质性,提供更多样本信息,包含更多的变化,有效降低变量间的共线性,使模型的自由度更高,构造和研究更为复杂的模型,估计和确定那些由单一横截面数据或时间序列数据所不能判断的个体间和变量间的相关性。为了更加深入研究纵向数据,统计学家和经济学家等不断丰富统计研究理论并完善、改进、提出了一系列统计模型,而在此当中半参数部分线性混合效应模型凭借自身突出的优点被各界学者频繁使用。半参数部分线性混合效应模型综合参数混合效应模型和非参数混合效应模型,将解释变量中与响应变量的关系相对清楚的部分设为参数模型,将与响应变量关系模糊的变量(如时间因素等)设为非参数模型,因此它同时包含参数与非参数部分,可以利用未知函数刻画、解释研究对象自身内部的相关性以及变量彼此间的联系,是以研究纵向数据下半参数部分线性混合效应模型存在很好的理论价值和突出的实际意义,已然发展为各个领域学者争相研究的热点方向与内容。整篇文章我们主要分析探究了纵向数据下半参数部分线性混合效应模型这一类模型的贝叶斯推断,着重推导了半参数部分线性混合模型以及变系数部分线性混合模型的贝叶斯推断。我们首先分析了纵向数据下半参数部分线性混合效应模型的贝叶斯推断,通过光滑样条方法逼近非参数分量,将半参数部分线性混合效应模型转化为线性混合效应模型,然后结合选定的共轭先验分布分别导出模型固定效应和随机效应等后验分布。基于所得后验分布,我们利用MCMC方法给出了模型中参数的贝叶斯估计,并在不同样本下进行模拟研究,分析了所得参数估计值的精确性,证明了所提方法的有效性。进一步,我们将上述方法推广至变系数部分线性混合效应模型的贝叶斯推断,同样利用光滑样条方法将变系数部分线性混合模型化为参数混合模型,之后在同样的先验分布下推导模型固定效应和随机效应等后验分布,并基于所得后验分布利用MCMC方法给出了模型相关参数的贝叶斯估计。同时并在不同样本下对模型进行了模拟研究,验证了所得参数估计值的精确性,而与其他条件下所得的估计结果证明了在小样本下贝叶斯方法得到的结果更可行有效的,而在设定先验假定时有信息先验假定优于无信息先验假定。此外,本文选取国内A股市场的50家房地产上市公司为研究目标,根据企业盈利指标选取的原则选择合适的变量,然后将解释变量中与盈利能力的关系比较明确的变量建立参数模型,将解释变量中与盈利能力存在不明显关系的变量建立非参数模型,然后选用半参数部分线性混合效应模型和变系数部分线性混合效应模型进行实证分析,并利用贝叶斯推断给出了实际建立模型中参数的估计值,最后将实证模拟结果与房地产行业上市公司的实际情况进行对比分析,结果表明所建模型是良好有效的。
贾秋雨[6]2017年在《贝叶斯方法在地震毁灭性风险方面的分析》文中研究说明极值理论在分析地震的毁灭性风险方面运用广泛.广义的帕雷托分布(GPD)所包含的理论可用于估计当分析尾行为在超过某一个极限值时所造成的损失.尽管如此,中间部分的行为也是非常重要的,因为它将影响GPD中模型参数的估计,而且灾难额外保险费用的计算也和中间行为相关.这篇文章提出了四种混合模型来模拟地震的灾难性损失而且采用贝叶斯方法估计模型中的未知参数以及在混合模型中的临界值.MCMC是用于计算模型参数的贝叶斯估计,并获得偏差信息标准值用于模型比较.云南省的地震损失的数据分析将用于解释本文所提出的方法.而最终的结果表明GPD中临界值、形状、模型都是不同的.风险价值法以及预期短缺在所提出的混合模型中是处于不同的信赖水平时估计的.
丁东洋[7]2009年在《信用风险分析中贝叶斯方法及其应用研究》文中进行了进一步梳理信用风险遍及所有的金融交易,贷款违约风险是银行等金融机构进行信用风险分析时关注的焦点。贷款组合是银行在有限贷款总额的约束下,将款项贷给两个以上债务人,以分散信用风险的方法。由于行业特征和商业周期等宏观因素,以及企业间商业活动关联性等微观因素的影响,使得贷款组合中的违约依赖表现为周期相关性和风险蔓延性。违约依赖性越高,贷款组合的潜在风险损失越大。如何在贷款组合信用风险度量中充分准确的反映违约依赖性,是当前学术研究和实践应用中的重要问题之一。我国正在逐步实施新巴塞尔协议,将信用风险度量技术从单个债务人扩展到贷款组合的角度进行研究,有利于商业银行更加准确的计算协议中要求的风险资本。同时新协议虽然对许多信用风险度量模型进行了完善,但是这些模型并不适于宏观层面评估整体经济的信用风险,这也是银行监管部门评价整个银行系统稳定性所面临的主要难题。从微观和宏观视角分别研究贷款组合的违约概率与信用损失分布,不仅有助于银行有效分散风险,完善信用风险度量技术,而且对于监管机构评估金融环境稳定性,加强风险管理都具有重要的现实意义。贷款组合信用风险度量的显着特征是缺少实际违约数据。贝叶斯统计方法可以用来考察概率模型中与参数相关的不确定性,是一种科学有效使用专家意见等主观经验的研究技术。贝叶斯方法在贷款组合信用风险度量中的应用途径主要体现为两个方面,一是应用贝叶斯方法参数化模型,在风险度量时,贝叶斯方法可以作为一个技术工具估计风险模型中违约概率等重要变量;二是应用贝叶斯方法估计信用损失分布,正确描述贷款组合信用损失分布的动态变化特征,将损失分布分解为可观测变量,并诊断损失波动率。在贷款组合信用风险度量研究中,主要结论包括两点,一是基于贝叶斯方法构建的信用风险度量框架,结合MCMC模拟技术的应用,在一定程度上缓解了缺少实际违约数据问题,二是通过灵活运用贝叶斯模型中的潜在因素,能够正确反映贷款组合的违约依赖性,并可以对整体经济的信用损失分布给出动态描述。主要创新之处体现在以下叁个方面:(1)拓展潜在因素的应用。在贝叶斯框架下,运用潜在因素描述贷款组合中个别债务人质量、行业特征、商业周期等影响因子,进而应用分层先验分布构建多级模型处理违约依赖性和债务人异质性等问题,不仅结果准确,而且统计推断简洁清晰。(2)从商业银行的微观视角构建贷款组合违约概率度量的贝叶斯模型。使之不仅涵盖宏观经济冲击,而且考虑债务人异质性问题,允许信用质量变化存在跨期自相关,从而更加确切的描述贷款信用等级变化过程,解释宏观系统风险对违约概率的影响,并且针对不同的数据限制,推导模型不同的特定形式。同时完善巴塞尔协议给出的样本外测试方法,不仅采用离差信息准则校验模型,强化模型预测能力,而且通过改进样本外模型比较方法,进一步说明结论的不确定性。(3)从监管机构的宏观视角构建贝叶斯信用风险损失分布评估框架。设计整体经济信用损失分布度量方法以评估金融环境稳定性,给出损失分布动态参数化方法,将损失分布分解为可观测变量,进一步解释违约蔓延性,并给出损失波动性的诊断方法。基于贝叶斯方法构建的信用风险度量模型除了计算量较大之外,某些预测结果仍有与实际违约概率存在偏差的情况,同时模型的稳健性需进一步检验,以上不足之处有待深入研究。
蹇煜焜[8]2016年在《含有空间效应计数数据的有限混合建模》文中认为如今艾滋病已经发展成为一个全球性的问题,有很多国家政府意识到了其危害的严重性,艾滋病的肆意传播势必会影响到社会经济发展和社会和谐,同时还会对国家的人口发展战略和政策规划带来巨大的冲击。艾滋病疫情的发展受到很多因素的影响,其中吸毒是一个重要因素。云南省位于我国西南边陲,毗邻“金叁角”地区,毒品泛滥是造成云南省艾滋病感染数量高居全国首位的主要原因。自1989年云南瑞丽市报道了第一例因静脉注射吸毒感染了HIV病毒的案例以来,艾滋病疫情一直持续上升,感染者以待业青年居多,其次为工人和农民。云南省吸毒人群中HIV病毒携带者主要集中在西南部边境和西部少数名族聚居地一带,呈现出明显的空间聚集特征。在国际背景下,吸毒人群与艾滋病相关的研究已经有二、叁十年的历史。早期研究使用最多的方法是通过对采集的指标进行分类统计后,对其特征进行逐个罗列或对数据的一些趋势进行简单的描述。近年来,研究人员考虑了空间效应的影响,并建立了恰当的空间效应统计模型对吸毒人群感染艾滋病进行了相关研究,获得了一些重大发现,但这些工作几乎都是围绕Logistic回归模型来进行统计建模的。其中针对检测哨点一些变量指标数据中含有复杂的分类数据、计数数据、名义类数据和缺失数据的研究甚少,特别是近年来国际上关于流行病统计研究使用最为流行也最为有效的“Disease Mapping”方法在国内却鲜有报道。本文的研究对象为云南省西南部地区的临翔、盈江、保山和东北部地区的曲靖、昭通五个哨点采集到的吸毒人群中患有艾滋病或携带有HIV病毒者的数据,收集的指标含有吸毒方式,吸毒频率和性伴侣数量等17个指标。在对原始数据进行处理时,我们将这17项指标分为四类影响因素,包括自身因素、吸毒相关行为因素、生活因素和地区因素。本文从贝叶斯分析的角度入手,建立了吸毒人群艾滋病感染者的Hurdle模型,同时构建一个空间自回归模型,采用“Disease Mapping ”的方法将空间效应因素掺入其中计算出空间效应相对风险的影响,刻画出云南省吸毒人群感染艾滋病的高风险区域。然后按照艾滋病病原体的不同对数据进行分类,考查不同潜在类别在回归结构方面的差异,分析不同艾滋病病原体在感染者的四类影响因素之间存在的差异。在此基础上,构建一个贝叶斯有限混合模型,利用DIC信息准则来判定潜在类别的数量,并与前者做出比较。
陶建斌[9]2010年在《贝叶斯网络模型在遥感影像分类中的应用方法研究》文中研究表明遥感影像解译(或影像分类)技术是随着遥感传感器技术的诞生而产生的,传感器获取的数据要成为有用的信息和知识,必须经过一系列的处理和分析。与遥感传感器技术发展的速度相比,从遥感影像中提取信息的方法相对发展缓慢得多。影像解译本身就是一个科学难题,到目前为止,影像解译的精度、可靠性和稳定性还远未达到生产实际的要求,影像解译的自动化程度还不高,尚处在半自动化水平。数十年来围绕影像解译方面的研究十分活跃,出现了许多分类方法,其中监督分类方法有最大似然法、人工神经网络、支持向量机等,但这些方法都存在一定的问题或局限性。一些新的方法,如遗传算法、人工免疫算法、蚁群算法等的研究也取得了进展,但主要还是停留在理论实验阶段。为此,我们需要不断将人工智能领域中的一些新的思想和方法引入到影像解译中来,以提高影像解译的智能化和自动化水平。贝叶斯网络是近年来贝叶斯统计方法研究的新成果,是图论与概率论相结合的产物,是进行不确定性推理的有力工具,在医学诊断、自然语言理解、故障检测等领域有很多成功的应用,但在遥感影像的处理和分析中的应用则比较少。本文的主旨是研究如何将贝叶斯网络应用到遥感影像解译中来,针对遥感数据的高维特征和多源数据的特点,综合先验知识和样本信息,构建适应于不同类型遥感数据的贝叶斯网络分类模型；对现有方法和模型进行比较和评价,在此基础上提出新的模型。朴素贝叶斯网络是一种经典的贝叶斯网络,也是全文的基础和核心,全文的研究工作围绕朴素贝叶斯网络展开：朴素贝叶斯网络的改进——约束型贝叶斯网络；朴素贝叶斯网络的扩展——分层朴素贝叶斯网络；高斯混合模型及其与朴素贝叶斯网络的结合——有指导非监督分类模型GMM-UC及嵌入高斯混合模型的朴素贝叶斯网络GMM-NBC。具体说来,本文的主要工作包括以下几个方面：(1)朴素贝叶斯网络的改进——约束型贝叶斯网络。遥感数据相邻波段间存在较强的相关性,基于这一特点,本文采用一种带有约束条件的贝叶斯网络——约束型贝叶斯网络——来构造分类器,即特征节点被约束为类节点的子节点,子节点间允许有不同的连接关系。以Landsat ETM+影像和OMIS影像为实验数据,研究如何从遥感数据中通过结构学习构造约束型贝叶斯网络的四种分类器(NBC、SNBC、TAN、BAN),以及贝叶斯多网分类器BMN,并讨论了其性能。TAN、BAN以及SNBC都是NBC的改进形式,贝叶斯多网分类器(BMN)是BAN的一种扩展形式。(2)高斯混合模型及其与朴素贝叶斯网络的结合——有指导非监督分类模型GMM-NBC及嵌入高斯混合模型的朴素贝叶斯网络GMM-NBC。高斯混合模型是图模型的一种,是贝叶斯网络模型的特例。在遥感影像的分析中通常假设遥感数据服从单一高斯分布,而实际应用中这一假设存在一些问题。由于遥感成像过程的复杂性和随机性,一组遥感数据的分布总体上可看作由多个子高斯分布混合而成。由此,本文提出一种基于高斯混合模型的遥感影像有指导非监督分类方法GMM-UC,及一种高斯混合模型与朴素贝叶斯网络相结合的模型GMM-NBC。GMM-UC以有限混合密度理论为基础,认为遥感数据由有限个子高斯分布以一定比例“混合”而成,通过改进EM算法自动确定子高斯及其参数,再从中“还原”出各个地物类(各子高斯分别对应一类地物)。GMM-NBC则是将高斯混合模型(多维形式)嵌入到朴素贝叶斯网络中,构建扩展的朴素贝叶斯网络分类器。(3)朴素贝叶斯网络的扩展——分层朴素贝叶斯网络。本文对朴素贝叶斯网络进行泛化,对朴素贝叶斯网络的子节点类型进行扩展,即不局限于原来的波段或纹理特征,而是波段或特征的组合,或者一组特征分类的中间结果。由此,提出一种嵌入高斯混合模型的分层朴素贝叶斯网络分类模型HNBC,该模型在特征分组和分层的基础上,将高斯混合模型(多维形式)嵌入到朴素贝叶斯网络中,构建分层的朴素贝叶斯网络。HNBC模型的关键是高维特征的组织,具体涉及到特征的分组和分层两个方面,要解决的问题包括：如何对特征分组,以更好地满足NBC的条件独立性假设；如何将GMM这一参数表达模型与NBC结合。
王凤龙[10]2017年在《中国分区域居民消费模型的贝叶斯估计研究》文中研究指明消费作为生产的起点和终点,在经济活动过程中占有十分重要的地位。消费能够刺激生产,创造就业岗位,促进经济的可持续发展。在整个国民经济发展的过程中,居民消费对经济增长发挥着极为重要的作用。近几年来,我国居民消费增长率呈现出下降趋势,而且出现了居民消费率过低、居民有效需求不足的状况,经济增长也受到了一定的影响。同时,不同区域的居民消费规律也各有不同。因此,需要分区域对居民消费规律进行研究和分析,为制定合理可行的消费政策提供依据。在研读了国内外相关文献之后,决定选用贝叶斯估计方法,引入了参数的先验信息,使统计推断的质量获得一定的提高,而且将参数设为随机变量,与经济事实更为符合。同时,选用面板数据,增加了模型的观测值数据和自由度,囊括了更多信息,使模型得到更为有效和可靠的参数估计量。在此基础之上,分别进行了静态面板数据模型的贝叶斯分析和动态面板数据模型的贝叶斯分析,通过贝叶斯估计与面板数据相结合的方法尽可能地提高参数估计的有效性与精准性。在实证研究中,将我国划分为华北、东北、华东、中南、西南和西北六个地区,选择各区域居民的人均收入和人均消费作为数据,以绝对收入假说为理论依据构建贝叶斯静态面板数据居民消费模型,以相对收入假说为理论依据构建贝叶斯动态面板数据居民消费模型,来研究我国分区域居民消费规律。研究发现:贝叶斯静态面板数据居民消费模型和贝叶斯动态面板数据居民消费模型都是十分有效的,说明利用贝叶斯静态面板数据模型和贝叶斯动态面板数据模型都能有效地刻画我国分区域居民消费规律,且绝对收入假说和相对收入假说都比较符合我国国情;贝叶斯动态面板数据居民消费模型能够有效地描述居民的消费惯性,而且与贝叶斯静态面板数据居民消费模型相比,其得到的结果更为精准,说明利用贝叶斯动态面板数据模型能够更好地刻画我国分区域居民消费规律,且相对收入假说比绝对收入假说更为理想;我国西部各地区相比东部各地区,居民的边际消费倾向和消费惯性都要大一些;我国居民上期消费对消费支出的影响要大于当期收入对消费支出的影响,居民消费惯性是影响消费支出的主要因素之一。
参考文献：
[1]. 结合广义线性模型与贝叶斯方法的非正态响应稳健参数设计[D]. 董超. 南京理工大学. 2017
[2]. 我国高技术产业R&D产出效应的研究[D]. 高家凤. 厦门大学. 2014
[3]. 混合模型的贝叶斯分析[D]. 于灏. 西北工业大学. 2003
[4]. 贝叶斯空间分位计量模型及应用研究[D]. 郭鹏. 湖南大学. 2017
[5]. 纵向数据下一类半参数部分线性混合效应模型的贝叶斯估计[D]. 袁超杰. 北京化工大学. 2017
[6]. 贝叶斯方法在地震毁灭性风险方面的分析[D]. 贾秋雨. 中国科学技术大学. 2017
[7]. 信用风险分析中贝叶斯方法及其应用研究[D]. 丁东洋. 天津财经大学. 2009
[8]. 含有空间效应计数数据的有限混合建模[D]. 蹇煜焜. 昆明理工大学. 2016
[9]. 贝叶斯网络模型在遥感影像分类中的应用方法研究[D]. 陶建斌. 武汉大学. 2010
[10]. 中国分区域居民消费模型的贝叶斯估计研究[D]. 王凤龙. 首都经济贸易大学. 2017
标签：数学论文; 贝叶斯论文; 面板数据论文; 线性模型论文; 空间分析论文; 参数估计论文; 贝叶斯估计论文; 因子分析论文; 网络模型论文; 网络贷款论文; 线性空间论文; 高斯论文; 概率论论文;