采样间隔非均匀一阶渐近增长模型及贝叶斯预测

利用贝叶斯预测方法给出采样间隔非均匀情况下的一阶渐近增长模型，当观测误差方差已知时，给出了它的先验分布、预测分布和后验分布的修正递推算法。     

基于贝叶斯分类的分布式网络故障诊断模型

该文提出了一个基于Agent的分布式网络故障诊断系统模型框架，该模型对贝叶斯分类理论进行了推广。模型将先验知识和观察数据结合起来，从而大大改进了系统的诊断性能。模型采用一定的状态检查和验证策略，保证了Agent的自身安全和通信安全。Agent之间各自独立，相互协作，合作完成诊断任务。该模型与特定的系统应用环境无关。因此，该文提供了一个通用的网络故障诊断系统框架。     

一种支持向量回归中超参数自适应方法

在贝叶斯框架下支持向量回归SVR可视为最大化后验MAP回归函数估计的扩展.贝叶斯方法可用来实现模型中超参数的自适应,同时保持SVR稀疏性和凸二次规划的优点.在对SVR的MAP解做Laplace近似获得关于超参数的SVR模型中证据的平滑表达式,使用基于梯度的优化法可导出使证据最大化的最优超参数.通过引入ARD参数到高斯协方差函数中,可进行输入属性的相关性分析和特征选择.给出了在人工和实际回归问题上的应用及其他方法的对比分析.     

Bayesian推理在远程答疑专家系统中的应用

介绍了基于Bayesian推理的远程答疑专家系统RQAES的系统结构及其工作原理，重点分析了Bayesian推理与决策的方法及知识表示与知识库设计技术。系统具有自学习、个性化的特点，是远程教育实践中不断完善的重要模块之一。     

似然比检验和贝叶斯推论在雉科分子系统学中的应用

应用似然比检验和贝叶斯推论进行雉科分子系统学研究．所用的56条纫胞色素b基因全序列代表了雉科24属50种以及作为外类群的6个相关属．等级制似然比检验表明该数据集的最佳进化模型为GTR I——G。建立在坚实的统计学基础上的贝叶斯系统树表明雉科可以分为3个分支．特别是包括角雉、松鸡、火鸡和gallopheasant等在内的第3分支的单系群性质得到了充分的支持．深层分支格局的高分辨率和高支持率说明将雉科划分为雉族和鹑族是人为的．结果表明，似然比检验和贝叶斯推论是分子系统学研究的强有力工具．     

分类器系统综述

分类器系统(Classifier System)是一种基于遗传算法(GA)的规则系统,本文综述了分类器系统的基本原理和研究状况,并提出了需进一步研究的问题.     

模型参数分布未知的贝叶斯预测

本文介绍了线性贝叶斯方法，并将其应用于贝叶斯动态线性模型，得到了模型参数分布未知情况下模型的修正递推及预测算法，从而拓宽了贝叶斯动态线性模型的适用范围。     

采样间隔非均匀情况下的线性增长模型及其贝叶斯预测

本文直接按采样间隔非均匀的情况研究了一次和二次线性增长模型，并分别就观测误差方差Ｖ＿ｔ＿ｉ已知和未知常数两种情况给出了它们的先验分布、预测分布和后验分布的修正递推算法。     

余江话的"里"尾

余江话的“里”尾可加在名词、动词、形容词性成分或动词性结构后面构成名词,能起到区别事物、表示词性变化、指小、亲昵或纯粹作名词的标志等作用;在使用原则上名词“里”尾与普通话“子”尾同中有异;“里”尾名词所指事物范围广(可分为人名、人品、疾病、人体、服饰、家俱生活用品、房屋建筑、动物及其他等九类)。“里”尾亦可加在形容性成分后构成形式多样的形容词的生动形式,有表示词性变化、附加评价意义、扩大语法功能等作用。“里”尾还能通过特定的形式,与个体量词、集合量词、部分量词、容器量词、度量量词及自主量词等结合,表示相应的语法意义。     

基于贝叶斯推理的决策树模型

针对决策树（DT）模型缺乏概率背景这一问题，将贝叶斯推理引入DT模型，提出了一种基于贝叶斯推理的决策树（BDT）模型．在假定所含待定参量的先验与似然的前提下，借助贝叶斯推理获得参量的后验，然后运用逆跳马尔科夫链蒙特卡洛算法对后验抽样，最终求出样本属于某一类别的置信度，从而避免了武断判决．BDT模型以抽样代替拆分与剪枝操作，既直观又灵活，同时在抽样时考虑了不同的树结构与递归分割方案，使得分类准确率得以提高．仿真实验结果表明，BDT模型的平均分类准确率与DT模型相比提高了1．7％～3．5％．