检索结果-内蒙古大学图书馆

原子能科学技术 2023年第4期57卷 784-790页

作者：芮星宇缪志强夏铖君扬州大学物理科学与技术学院江苏扬州225009 厦门大学天文系福建厦门361005

当前中子星的观测为其状态方程提供了严格的约束条件。基于双中子星并合事件GW170817对潮汐形变的约束,以及NICER合作组对PSR J0030+0451和PSR J0740+6620的质量和半径的测量,本文对CompOSE数据库中基于相对论平均场模型统一得到的16组... 详细信息

当前中子星的观测为其状态方程提供了严格的约束条件。基于双中子星并合事件GW170817对潮汐形变的约束,以及NICER合作组对PSR J0030+0451和PSR J0740+6620的质量和半径的测量,本文对CompOSE数据库中基于相对论平均场模型统一得到的16组中子星状态方程开展了贝叶斯模型选择。发现最理想的物态模型是DD2,它预测1.4倍太阳质量中子星的半径为13.19 km,潮汐形变为687。在此基础之上,进一步筛选出最符合观测的物态模型依次为DD2、TW99、DD-LZ1、DD-ME2、TM1e、FSU2H、DDME-X、PKDD、FSU2R和MTVTC。

关键词：核物质状态方程贝叶斯模型选择多信使时代

来源：评论

学校读者我要写书评

暂无评论

利用贝叶斯模型选择的优化策略进行畜禽半同胞家系的QTL定位

利用贝叶斯模型选择的优化策略进行畜禽半同胞家系的QTL定位

引用

第十五次全国动物遗传育种学术讨论会

作者：方铭刘剑锋孙东晓中国农业大学动物科技学院北京 100193

半同胞家系经常被用到奶牛经济性状基因定位研究中。目前，最大似然法(ML)、约束最大似然法(REML)和最小二乘法是常用的统计分析方法。但这些方法基于单QTL,模型，如果性状受多基因控制，则会带来QTL参数的有偏估计。近年来，随着贝叶... 详细信息

半同胞家系经常被用到奶牛经济性状基因定位研究中。目前，最大似然法(ML)、约束最大似然法(REML)和最小二乘法是常用的统计分析方法。但这些方法基于单QTL,模型，如果性状受多基因控制，则会带来QTL参数的有偏估计。近年来，随着贝叶斯模型选择技术的发展，定位多个QTL的问题得以被解决。本研究将最新的贝叶斯复合模型空间选择法扩展应用到远交半同胞家系基因定位中，并通过奶牛产奶性状资料和计算机模拟实验对新方法的性能进行了验证。

关键词：贝叶斯模型选择半同胞家系奶牛产奶性状基因定位

来源：评论

学校读者我要写书评

暂无评论

一种基于贝叶斯正交匹配追踪的水下多径稀疏信道估计方法

引用

声学技术 2017年第5期36卷 484-490页

作者：林格平马晓川鄢社锋王敏中国科学院声学研究所北京100190 中国科学院水下航行器信息技术重点实验室北京100190 中国科学院大学北京100190 中国计量科学研究院北京100029

使用训练序列构成的测量矩阵并采用稀疏恢复算法是近年来常用的多径稀疏信道估计思路。提出一种贝叶斯匹配追踪算法的正交化改进方法,有效地改善了原方法的收敛速度,并将其应用于水下多径稀疏信道估计。进行了新方法的理论推导和两种水... 详细信息

使用训练序列构成的测量矩阵并采用稀疏恢复算法是近年来常用的多径稀疏信道估计思路。提出一种贝叶斯匹配追踪算法的正交化改进方法,有效地改善了原方法的收敛速度,并将其应用于水下多径稀疏信道估计。进行了新方法的理论推导和两种水下稀疏信道模型中的仿真试验,进而与传统贪婪迭代和贝叶斯估计方法的估计效果进行了对比。仿真结果证明,所提出的新方法比原方法的收敛速度更快,能更高效地进行多径稀疏信道估计。新方法在低信噪比和呈簇状集中分布的水下多径稀疏信道中也有更好的估计效果。

关键词：稀疏信道估计正交匹配追踪贪婪算法贝叶斯模型选择

来源：评论

学校读者我要写书评

暂无评论

基于贝叶斯准则的差异网络分析方法研究与应用

引用

中国卫生统计 2019年第4期36卷 484-488页

作者：宋微王文杰徐欢蔡雨晴李康哈尔滨医科大学卫生统计学教研室

目的探讨基于贝叶斯准则的差异网络分析方法的性能,并将其应用于卵巢癌基因表达谱数据分析。方法通过模拟实验评价其识别差异边及差异节点的准确性,并与传统方法做对比。同时应用上皮性卵巢癌基因组学数据,构建差异网络模型。结果模拟... 详细信息

目的探讨基于贝叶斯准则的差异网络分析方法的性能,并将其应用于卵巢癌基因表达谱数据分析。方法通过模拟实验评价其识别差异边及差异节点的准确性,并与传统方法做对比。同时应用上皮性卵巢癌基因组学数据,构建差异网络模型。结果模拟试验结果表明,基于贝叶斯准则的差异网络分析方法识别差异边能力明显优于高斯图模型方法;实例分析结果表明,本文方法构建的差异网络模型具有实际意义。结论应用基于贝叶斯准则的差异网络分析方法能得出准确度较高的差异网络,效果优于传统方法。

关键词：贝叶斯模型选择高斯图模型差异网络

来源：评论

学校读者我要写书评

暂无评论

动态性状和基因组印迹遗传结构的贝叶斯剖析

动态性状和基因组印迹遗传结构的贝叶斯剖析

引用

作者：闵令江上海交通大学

学位级别：博士后

对数量性状遗传结构进行剖分已成为当前QTL定位研究的一个热点,这主要涉及到QTL的数量、位置、主效应和上位效应等。为了定位试验杂交群体中,我们将贝叶斯模型选择法拓展到动态性状的多个上位QTL剖析中。采用了一个高效的抽样方法去预... 详细信息

对数量性状遗传结构进行剖分已成为当前QTL定位研究的一个热点,这主要涉及到QTL的数量、位置、主效应和上位效应等。为了定位试验杂交群体中,我们将贝叶斯模型选择法拓展到动态性状的多个上位QTL剖析中。采用了一个高效的抽样方法去预先估计假定OTL基因型的指示变量,然后分析遗传效应指示变量的后验值。通过一系列的模拟实验也证明了这种方法的有效性。对二倍体大稻不同时期的叶重QTL的主效应和上位效应分析,验证了所提出方法的可行性。结果表明该方法能够相当迅速地从大量遗传效应中检测出影响动态性状的互作QTLs。本文所建议的方法可以作为连续数量性状定位的一般方法,很容易拓展到多个性状和有重复记录的单个性状。　　基因组印迹是亲本来源特异基因表达的一种表观遗传学现象,在植物、动物和人类中广泛存在。为了检测印迹基因对数量性状的影响,适合单个QTL的最小二乘法和最大似然法以及同时适合多QTLs的贝叶斯方法已经在各种研究中被广泛采用,然而这些研究大多数仅能估计印迹基因的主效应,却忽视了印迹基因的上位效应。考虑到基因组印迹遗传结构的极度复杂性,我们采用贝叶斯模型选择方法来分析多交互印迹QTL的模型,通过设置QTL数目的上限和对QTL参数进行选择取样,极大地提高计算效率。检测到的主效QTLs的印迹类型可以用贝叶斯因子(BF)统计量来推断,该统计量由被检验的遗传效应的先验和后验概率构造。通过一系列的模拟实验证明了所建议方法的有效性。该方法被用来剖分小鼠体重性状的印迹遗传结构:除了与主效应印迹位点一样的那些由最大似然法和没有考虑上位效应的贝叶斯定位方法检测到的以外,还鉴定的几对存在相互作用的OTLs。

关键词：贝叶斯模型选择遗传结构动态性状基因组印迹互作位点最小二乘法最大似然法

来源：评论

学校读者我要写书评

暂无评论

贝叶斯学习理论及其应用研究

贝叶斯学习理论及其应用研究

引用

作者：宫秀军中国科学院研究生院（计算技术研究所）

学位级别：博士

贝叶斯学习理论使用概率去表示所有形式的不确定性,通过概率规则来实现学习和推理过程。贝叶斯学习的结果表示为随机变量的概率分布,它可以理解为我们对不同可能性的信任程度。本文介绍了贝叶斯学习理论的基本观点和它的研究现状与意义... 详细信息

贝叶斯学习理论使用概率去表示所有形式的不确定性,通过概率规则来实现学习和推理过程。贝叶斯学习的结果表示为随机变量的概率分布,它可以理解为我们对不同可能性的信任程度。本文介绍了贝叶斯学习理论的基本观点和它的研究现状与意义,并就贝叶斯网络的表达能力、学习过程和推理机制进行了研究和讨论。在此基础上,主要研究了贝叶斯学习理论中的几个关键问题:贝叶斯网络分类模型、主动贝叶斯分类器、基于贝叶斯潜在语义索引的文本挖掘和基于贝叶斯模型选择的聚类分析。本文的贡献包括以下几个方面: 朴素贝叶斯分类模型和特征约简:提出了一种基于类条件分布的特征约简方法,该方法去除在各个类别中分布近似均匀的特征,从而在对概率估计影响较小的情况下,使数据的类分布熵降低。试验表明,该方法在选取与信息增益约简法同样个数的特征时,能显著提高分类的精度。同时给出了朴素贝叶斯分类模型的参数学习方法,研究了朴素贝叶斯分类器的最优性条件,指出决定贝叶斯分类的因素是最大后验概率的顺序而不是具体的后验概率估计数值。讨论了增强朴素贝叶斯性能的三种方式:增加扩展弧、选择贝叶斯分类器和提升贝叶斯分类器。主动贝叶斯分类器:提出了一种主动贝叶斯分类模型,该模型主动的从未标注样本集中选择有利于改进分类性能的训练例子。候选的未标注样本不必与已标注的样本直接作比较,而是通过分类模型对其作出评价,同时模型的参数修正也可增量地进行。给出了基于最大最小熵的主动学习和基于不确定抽样与最小分类损失相结合的主动学习策略,讨论了增量地分类测试实例和修正分类参数的方法。人工和实际的数据实验结果表明,该方法在带有类别标注的样本较少的情况下,获得了很好的分类效果。基于贝叶斯潜在语义分析的文本挖掘:提出了一种半监督文本挖掘算法。在贝叶斯潜在语义模型的框架下,由用户提供一定数量的潜在类别变量,而不需要任何带有类别标注的样本,将一组文档集划分到不同的类别中。它分为两个阶段:第一阶段,利用贝叶斯潜在语义分析来标注含有潜在类别变量的文档类别,第二阶段则通过朴素贝叶斯模型,结合未标注文档的知识,对剩余的文档贴标签。实验结果表明,该算法具有较高的精度与召回率。基于贝叶斯模型选择的聚类分析:提出了一个基于贝叶斯后验概率的模型选择算法。与基于贝叶斯混合模型的聚类相比,我们给出了后验概率的直接表达式,而避免了EM迭代。对于参数的学习,我们给出了两种不同的贝叶斯估计策略:最大后验估计和条件期望估计。基于该后验模型,设计了一种层次聚类算法。通过测试,两组数据准确

关键词：贝叶斯学习理论最大后验概率贝叶斯网络朴素贝叶斯分类器参数学习结构学习主动学习贝叶斯潜在语义分析半监督学习贝叶斯模型选择层次聚类

来源：评论

学校读者我要写书评

暂无评论

文本分类中的贝叶斯特征选择

文本分类中的贝叶斯特征选择

引用

作者：冯国忠东北师范大学

学位级别：博士

由于人们获取电子文档的能力不断增强，管理这些文档的需求也不断增加，人们对文本自动分类，即将文本自动分入预先定义的类别结构中的兴趣正迅速高涨。而文本分类中的一个重要问题就是特征选择，其目的是改善分类效果、提高计算效率、... 详细信息

由于人们获取电子文档的能力不断增强，管理这些文档的需求也不断增加，人们对文本自动分类，即将文本自动分入预先定义的类别结构中的兴趣正迅速高涨。而文本分类中的一个重要问题就是特征选择，其目的是改善分类效果、提高计算效率、或者两者兼得。由于现实中的文本数据集往往存在着类别不均衡性以及特征稀疏性等特点，因此通过衡量特征与类别结构关系的不同侧面来判断各个特征的类别性质的过滤式方法会表现得比较差。此外，它们要么仅仅选择与类别相关的特征，要么在选择相关特征之后添加一个冗余性分析步骤。显然，这样的方法是会丢失具有交互作用的特征的。本文将特征选择放在训练的过程中，通过学习的方法从一个带标签的文档集中学习类别结构属性，进而选择出最优的特征子集。我们给出了一个生成模型，通过引入一个两值“排除包含”的潜在向量来处理特征选择问题，最后使用一个高效的Metropolis搜索的方法来更新这个潜在向量。我们用边来刻画特征之间的相互关系，定义特征与类别的相关性。最后，我们将特征选择问题转换成了一个优化问题。在朴素贝叶斯结构假设下，我们给出了一个贝叶斯特征选择范例，得到了贝叶斯类别特征因子，以及考虑特征类别性质不确定性的贝叶斯特征平均分类器。在树结构假设下，我们能在选择出交互作用特征的同时消去冗余特征。通过采用多重条件独立性检验确定特征支持图，并对树结构和参数采用可分解先验之后，问题变得易于处理了。实验结果证明了本文方法的有效性。

关键词：贝叶斯模型选择文本分类生成模型图模型朴素贝叶斯支撑树 MCMC

来源：评论

学校读者我要写书评

暂无评论

基于结构和纹理特征的变化检测

基于结构和纹理特征的变化检测

引用

作者：龚星中国科学院研究生院

学位级别：硕士

变化检测是计算机视觉和图像分析中的一个经典问题。对于同一地点不同时间拍摄的两幅或者多幅图像,变化检测需要给出发生真实变化的区域(变化检测的两类问题),更进一步,我们希望知道发生的变化信息,比如发生的变化类型,时间(变化检测的... 详细信息

变化检测是计算机视觉和图像分析中的一个经典问题。对于同一地点不同时间拍摄的两幅或者多幅图像,变化检测需要给出发生真实变化的区域(变化检测的两类问题),更进一步,我们希望知道发生的变化信息,比如发生的变化类型,时间(变化检测的多类问题)。\n 变化检测的应用背景十分广泛,视频监控,遥感,医学诊断,城市规划,地下水资源探测,导航等等。一种简单高效的变化检测方法是基于图像灰度的阀值法。阀值法及其延伸的各种方法取得了一些应用成果。但此方法对阀值的选择十分敏感,对检测复杂变换具有十分严重的缺陷。本文以不同时间,不同特性的多幅图像为研究对象,以检测目标级别的变化作为研究目标,结合计算机视觉与模式识别领域的理论和方法,对两类和多类变化检测问题进行了理论研究与实验分析。\n 我们在马尔霍夫随机场的框架下,对两类和多类变化检测进行建模,并采用最大流-最小割方法对马尔霍夫随机场的能量函数最小化。由于输入的图像的不同特性(相机参数,类型,拍摄角度)以及变化种类信息的繁复,我们提出了基于多种相似度测度方法,以增强方法的鲁棒性。这些相似度测度方法都是基于大小可变的图像块计算。另外,我们引入了贝叶斯模型选择和metropolis-hausting采样来处理多类变化检测问题,试图不仅给出变化区域,更进一步给出变化的语义信息。我们在各种真实图像及合成图像做了大量实验,以定性定量分析验证方法。

关键词：变化检测纹理特征模式识别计算机视觉马尔霍夫随机场贝叶斯模型选择

来源：评论

学校读者我要写书评

暂无评论

平稳AR模型阶数的贝叶斯因子判据

平稳AR模型阶数的贝叶斯因子判据

引用

作者：彭家龙华中科技大学

学位级别：硕士

时间序列分析的主要任务就是如何对数据用数学模型去近似地描述和拟合,这在时间序列分析中称为时间序列的建模。时间序列的建模主要包括模型参数的估计和阶数的确定。AR模型是时间序列模型中最简单,最常用的模型之一,有限阶的AR模型已... 详细信息

时间序列分析的主要任务就是如何对数据用数学模型去近似地描述和拟合,这在时间序列分析中称为时间序列的建模。时间序列的建模主要包括模型参数的估计和阶数的确定。 AR模型是时间序列模型中最简单,最常用的模型之一,有限阶的AR模型已经广泛地应用于科研和生产中。在实际建模过程中,往往我们在讨论AR模型的参数估计问题时,都是在假定该模型的阶数已知的前提下进行的,然而实际模型的阶数是客观存在的,但又往往是未知的,因此,一个基本的重要的问题就是如何估计模型的阶数。本文主要做了以下几个方面的工作: 一方面是根据贝叶斯模型选择理论,引入贝叶斯因子来判定AR模型的阶数,并讨论了AR模型贝叶斯因子的一些计算方法,然后在本文假设条件下得出AR模型贝叶斯因子的具体表达式,并进一步得到了AR模型阶数k的一个强相合估计,还给出了该估计具有强相合性的具体证明,最后通过随机模拟对该估计与AIC ,BIC两种定阶准则进行了比较。另一方面主要是讨论了观测数据对AR模型阶数的贝叶斯因子判据的影响,首先在完全数据和不完全数据情况下,利用Gibbs抽样的方法得到了AR模型的贝叶斯因子的估计式,最后定义了指标量Q( z),用来衡量观测数据z对AR模型阶数的贝叶斯因子判据的影响大小。

关键词： AR模型贝叶斯模型选择贝叶斯因子强相合性

来源：评论

学校读者我要写书评

暂无评论

基于时域贝叶斯的板式无砟轨道CA砂浆层损伤识别

基于时域贝叶斯的板式无砟轨道CA砂浆层损伤识别

引用

作者：沈易军华中科技大学

学位级别：硕士

本文针对板式无砟轨道CA砂浆层脱空损伤隐蔽难探测问题,基于冲击荷载作用下无砟轨道结构的动态响应数据,根据贝叶斯模型修正和模型选择理论,提出了一种基于时域贝叶斯的无砟轨道CA砂浆层损伤识别方法。论文通过数值分析和实验验证,系统... 详细信息

本文针对板式无砟轨道CA砂浆层脱空损伤隐蔽难探测问题,基于冲击荷载作用下无砟轨道结构的动态响应数据,根据贝叶斯模型修正和模型选择理论,提出了一种基于时域贝叶斯的无砟轨道CA砂浆层损伤识别方法。论文通过数值分析和实验验证,系统地研究了基于拉普拉斯贝叶斯和蒙特卡洛贝叶斯的CA砂浆层损伤识别方法,为不确定性的损伤识别方法应用于高速铁路领域奠定了理论基础。论文主要研究内容和贡献如下:(1)针对无砟轨道CA砂浆层是板式结构的特点,将贝叶斯模型选择理论进行拓展,提出了针对板式结构的两阶段贝叶斯模型选择算法。(2)针对贯通损伤工况,论文假设模型修正是可识别问题,采用了一种基于拉普拉斯贝叶斯的CA砂浆层损伤识别方法。通过识别CA砂浆层弹性模量模型参数的最可能值,对CA砂浆层的损伤位置和程度进行识别;采用海瑟矩阵估计模型参数的协方差矩阵以评估模型的不确定性。论文采用弹性模量折减法模拟损伤,开展了CA砂浆层不同损伤工况的数值研究,结果表明所提方法能够识别CA砂浆层的贯通损伤。此外,论文基于无砟轨道结构实验室模型开展了实验验证工作,并定量研究了不同传感器数量下模型参数的后验不确定性的变化规律,研究表明即使仅使用一个传感器的响应数据,识别的参数不确定性均保持在可接受的水平。(3)针对非贯通损伤工况,以及可能出现的不可识别模型修正问题,论文采用了一种基于蒙特卡洛贝叶斯的CA砂浆层损伤识别方法。通过蒙特卡洛贝叶斯模型修正获得位于重要性区域的离散样本,并计算CA砂浆层各区域不同损伤程度的损伤概率,以损伤程度的累积分布函数实现CA砂浆层损伤位置和程度识别。此外,通过核密度估计推导模型参数的后验概率密度函数分布以定量评估模型的不确定性。论文分别开展了数值分析和实验验证工作,结果表明论文所提方法能够识别CA砂浆层的损伤位置、提供损伤程度的概率分布信息和评估模型参数的不确定性水平。

关键词：贝叶斯模型选择贝叶斯模型修正马尔可夫链蒙特卡洛抽样损伤识别 CA砂浆层脱空无砟轨道

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：