Bayes估计

摘要： 该文对Weibull分布参数的Bayes估计及其容许性、多层Bayes估计在Linex损失函数下进行了讨论,给出了估计式及证明了其是可容许的,最后利用数值模拟验证了所得Weibull分布在Linex损失函数下Bayes估计的稳健性和精确度.

摘要： 在传统的定时和定数截尾试验的基础上,该文首次提出了一种新的截尾试验方案:双定数混合截尾.基于这类截尾数据求出了两参数Pareto分布参数的极大似然估计及θ的置信区间.当α已知时,取Gamma先验分布的情况下,求出了三种不同损失函数下参数θ、可靠度函数以及失效率函数的Bayes估计;当α,θ都未知时,分别取无信息先验分布和指数先验分布,在平方损失函数下分别计算出α,θ、可靠度函数以及失效率函数的Bayes估计.利用Monte-Carlo方法模拟出双定数混合截尾样本,进而得到了两参数Pareto分布的参数及可靠性指标的估计,计算出相对误差并把各种估计的精度进行了比较.最后对一个数值例子进行了分析.

摘要： 在随机截尾试验下,研究Burr Ⅻ分布未知参数θ的Bayes估计问题.在LINEX损失和复合LINEX对称损失下,得到了未知参数θ的Bayes估计的精确表达式,并且运用Monte-Carlo模拟法对各个估计进行了比较.

摘要： 基于本文中提出的新截尾试验方案—双定时混合截尾,得到了两参数Pareto分布参数的极大似然估计,根据Fisher信息量推导出参数θ的渐近置信区间.当α已知时,取Gamma先验分布的情况下,求出了不同损失函数下参数θ的Bayes和E-Bayes估计以及可靠度函数的Bayes估计.当α,θ都未知时,取联合无信息先验分布,在平方误差损失函数下计算出α,θ的Bayes估计.利用蒙特卡洛方法模拟出双定时混合截尾样本,得到了未知参数及可靠度函数的估计,并计算出相对误差,随着样本量的增加相对误差和置信区间的长度逐渐减小.最后对一个数值例子进行了统计分析.

摘要： 首先,在双边I型删失样本下得到Topp-Leone分布中参数的极大似然估计、渐近置信区间和Bootstrap置信区间,并进一步得到可靠度函数的渐近置信区间.其次,在不同的损失函数下得到了参数和可靠度函数的Bayes估计.通过蒙特卡罗模拟,计算出参数估计的均值和平均相对误差.最后,为了说明目的,还采用了一个真实的数据集.

摘要： 基于双边定数截尾样本,在LINEX损失函数和复合LINEX损失函数下,考虑无信息先验分布与共轭先验分布,讨论Pareto分布的形状参数的Bayes估计,并对各条件下参数的估计进行数值模拟比较分析。结果表明,在不同损失函数下,取共轭先验分布时参数的估计优于无信息先验分布下的估计,且在LINEX损失函数下,先验分布取Γ分布时,参数估计的均方误差较小,估计的效果更好。

摘要： 基于Mlinex损失函数,在逐步增加Ⅱ型截尾样本下,讨论Weibull分布参数的Bayes估计.取逆伽玛分布为共轭先验分布,给出参数的Bayes估计,证明估计的可容许性.通过数值模拟,说明Mlinex损失函数下估计的稳健性.

摘要： 为了丰富有关反向帕累托分布的理论研究,对反向帕累托分布的形状参数在不同先验下,使用加权p,q对称熵损失函数得到了Bayes估计的表达式.再依据所得的Bayes估计的表达式给出E-Bayes估计的表达式.最后通过MCMC算法模拟计算比较所得估计之间的性能,根据模拟结果可知E-Bayes估计相比Bayes估计仿真性较高.

摘要： 研究k/n系统部件由两个相依竞争失效机理组成的可靠性问题,相依失效机理对应的失效时间由Gumbel-Hougaard Copula函数连接,边缘分布服从形状参数和尺度参数均不相同的Weibull分布。基于截尾样本下建立k/n系统部件失效的模型,证明了边缘分布形状参数的后验密度函数具有对数凹性,基于此性质提出了Metropolitan-Hastings(MH)抽样混合Gibbs抽样的Bayes估计方法。采用Inference for the margins(IFM)方法对参数进行估计。通过Monte Carlo实验比较两种方法的可行性和有效性。结果表明Bayes估计结果优于IFM估计结果。最后,将构建的模型运用到一个真实数据中。

摘要： 研究了泊松截断δ冲击模型冲击参数的估计问题.利用Bayes估计的方法,假设冲击参数的先验分布分别是伽马分布、伽马均匀多重和Jeffreys三种先验,在最小均方误差原则下,基于寿命终止时总冲击次数及冲击到达时间这两类样本数据,得到了泊松截断δ冲击模型冲击参数λ的Bayes估计量.

摘要： 考虑方差加权回归模型的Bayes影响分析,在正态—伽玛先验分布下,利用Kullback-Leiber距离,分别给出了数据删除模型、方差膨胀模型和均值漂移模型背景下,数据点对于参数的Bayes估计的影响度量,并对三种扰动模型下的影响度量进行了比较,得出了相应的结论。最后,通过算例验证了结论的正确性。

摘要： 考虑方差加权回归模型的Bayes影响分析,在正态—伽玛先验分布下,利用Kullback-Leiber距离,分别给出了数据删除模型、方差膨胀模型和均值漂移模型背景下,数据点对于参数的Bayes估计的影响度量,并对三种扰动模型下的影响度量进行了比较,得出了相应的结论。最后,通过算例验证了结论的正确性。

摘要： 考虑方差加权回归模型的Bayes影响分析,在正态—伽玛先验分布下,利用Kullback-Leiber距离,分别给出了数据删除模型、方差膨胀模型和均值漂移模型背景下,数据点对于参数的Bayes估计的影响度量,并对三种扰动模型下的影响度量进行了比较,得出了相应的结论。最后,通过算例验证了结论的正确性。

摘要： 考虑方差加权回归模型的Bayes影响分析,在正态—伽玛先验分布下,利用Kullback-Leiber距离,分别给出了数据删除模型、方差膨胀模型和均值漂移模型背景下,数据点对于参数的Bayes估计的影响度量,并对三种扰动模型下的影响度量进行了比较,得出了相应的结论。最后,通过算例验证了结论的正确性。

摘要： 考虑方差加权回归模型的Bayes影响分析,在正态—伽玛先验分布下,利用Kullback-Leiber距离,分别给出了数据删除模型、方差膨胀模型和均值漂移模型背景下,数据点对于参数的Bayes估计的影响度量,并对三种扰动模型下的影响度量进行了比较,得出了相应的结论。最后,通过算例验证了结论的正确性。

摘要： 考虑方差加权回归模型的Bayes影响分析,在正态—伽玛先验分布下,利用Kullback-Leiber距离,分别给出了数据删除模型、方差膨胀模型和均值漂移模型背景下,数据点对于参数的Bayes估计的影响度量,并对三种扰动模型下的影响度量进行了比较,得出了相应的结论。最后,通过算例验证了结论的正确性。

摘要： 主要研究基于Bayes估计的电磁防护可靠性评估方法，给出了电磁防护可靠性评估的定义，分析了电磁防护可靠性评估的几个重要特征，探讨了成败型、指数型数据单元的系统可靠性综合数据折合方法，重点给出易损单元二项分布和指数分布的评估算法，并以实例进行验证，为电子系统电磁防护可靠性评估技术在工程应用上提供了一种实际可行的方法。

摘要： 主要研究基于Bayes估计的电磁防护可靠性评估方法，给出了电磁防护可靠性评估的定义，分析了电磁防护可靠性评估的几个重要特征，探讨了成败型、指数型数据单元的系统可靠性综合数据折合方法，重点给出易损单元二项分布和指数分布的评估算法，并以实例进行验证，为电子系统电磁防护可靠性评估技术在工程应用上提供了一种实际可行的方法。

摘要： 主要研究基于Bayes估计的电磁防护可靠性评估方法，给出了电磁防护可靠性评估的定义，分析了电磁防护可靠性评估的几个重要特征，探讨了成败型、指数型数据单元的系统可靠性综合数据折合方法，重点给出易损单元二项分布和指数分布的评估算法，并以实例进行验证，为电子系统电磁防护可靠性评估技术在工程应用上提供了一种实际可行的方法。

摘要： 主要研究基于Bayes估计的电磁防护可靠性评估方法，给出了电磁防护可靠性评估的定义，分析了电磁防护可靠性评估的几个重要特征，探讨了成败型、指数型数据单元的系统可靠性综合数据折合方法，重点给出易损单元二项分布和指数分布的评估算法，并以实例进行验证，为电子系统电磁防护可靠性评估技术在工程应用上提供了一种实际可行的方法。

摘要： 本发明公开了一种基于Bayes分类器的路面附着系数估计方法，所述方法基于Bayes分类器的理论，通过汽车行驶时某一侧的牵引力与汽车滑移率的数据点集决定道路模型的归属，将收集到的整体数据点集依据牵引力范围划分成多个数据子集，对新采集的数据点分析并得出其先验概率后计算其后验概率，从而确定道路模型归属，最后根据新的道路模型精确计算该道路模型的附着系数。通过上述方式，本发明通过对Bayes子集先验概率的学习，当实时的数据点到来时，计算每个牵引力子集区间的后验概率，通过所述方法可以计算路面切换的时间以及得到路面切换后的点集归属结果，从而决定道路模型的归属，并得到路面模型的附着系数。

摘要： 本发明涉及一种基于Bayes估计的轨控效果快速评估方法，属于卫星轨道控制领域。该方法包括以下步骤：步骤一、提取与轨控相关的各遥测数据，对遥测数据进行剔除野值处理；步骤二、根据轨控发生时，各遥测数据信息变化特点，提出合理假设，建立先验概率模型，计算先验概率；步骤三，根据先验概率计算值，使用Bayes估计方法，得到后验概率值，根据后验概率值对轨控效果进行评估。本发明的轨控效果快速评估方法，应用星上多种与轨控任务相关的遥测信息源，根据各信息的特点，建立先验概率模型，然后应用Bayes估计方法，综合多个信息源的先验概率得到轨控评估的后验概率，根据后验概率值快速得到评估结果。上述评估方法能够快速准确评估轨控效果。

摘要： 本发明请求保护一种基于Bayes估计和数据流间功率分配的联合干扰相位对齐方案。首先，通过Bayes估计获得当前CSI的最佳估计，使得发送端可以获得较好的CSI。其次，在正向通信时，通过最大化期望信号功率与小区间干扰加噪声功率和的比值来设计干扰抑制矩阵；在反向通信时，通过最大化接收端整体的信干扰比来设计预编码矩阵；通过正向和反向通信的迭代计算直到收敛来获得最优的预编码和干扰抑制矩阵。然后，结合适用于干扰对齐的注水功率分配方案。最后，通过对齐发送信号流和接收信号流的相位将数据流间的干扰旋转到目标接收数据流的信号空间中。仿真表明，相对于其他稳健算法而言，无论是在理想CSI还是时延误差CSI，该方案都具有一定的性能优势。

摘要： 本发明提供了属性估计系统和的方法，其中，没有估计精度在特定的数值区域中降低的情况，并且提供了使用该属性估计系统和方法的年龄估计系统、性别估计系统与年龄和性别估计系统。其是用于估计在输入图像中被拍摄的人的年龄的系统，该系统包括：分类器3，其根据输入图像的数据来将人的年龄估计为离散量；分类器4，其根据输入图像的数据来将人的年龄估计为连续量；以及，结合单元7，其结合分类器3的估计结果和分类器4的估计结果。

摘要： 一种基于Bayes估计高考录取概率发生率预测方法涉及概率计算技术领域，解决了现有方法计算的录取概率也是不准确的问题，该方法包括：步骤1、统计数据；步骤2、根据步骤1统计的结果计算当年分数相当于往年的等同分数获得等同分数序列；步骤3、根据等同分数序列建立等同分数序列的录取概率模型；步骤4、根据步骤3得到的录取概率模型，利用Bayes估计计算录取概率的发生率。本发明不仅对录取概率有所计算，还进一步计算了该录取概率发生的概率，提高录了取预测估计的准确度，解决了现有技术存在的不足和缺陷。

摘要： 本发明公开了一种基于Bayes的路面附着系数估计方法及电子设备，该方法通过汽车行驶时某一侧的牵引力与汽车滑移率的数据点集决定道路模型的归属，并精确计算道路模型的附着系数。本发明将整体的数据点集划分成多个数据子集，每一个数据子集中不同附着系数的路面的点集呈现正态分布的趋势，且不同的附着系数的路面的点集的正态分布的期望与方差各有差异，通过对这种差异的学习可辨别不同附着系数的路面；进而通过构建每一个数据子集内每一种附着系数的路面模型的正态分布概率函数，当实时的数据点到来时，通过实时的数据点的牵引力以及滑移率，结合正态分布概率函数可以得到当前的道路模型的归属，最终通过卡尔曼滤波器得到路面模型的附着系数。

摘要： 本发明公开了一种基于Bayes分类器的路面附着系数估计方法，所述方法基于Bayes分类器的理论，通过汽车行驶时某一侧的牵引力与汽车滑移率的数据点集决定道路模型的归属，将收集到的整体数据点集依据牵引力范围划分成多个数据子集，对新采集的数据点分析并得出其先验概率后计算其后验概率，从而确定道路模型归属，最后根据新的道路模型精确计算该道路模型的附着系数。通过上述方式，本发明通过对Bayes子集先验概率的学习，当实时的数据点到来时，计算每个牵引力子集区间的后验概率，通过所述方法可以计算路面切换的时间以及得到路面切换后的点集归属结果，从而决定道路模型的归属，并得到路面模型的附着系数。

摘要： 本发明涉及一种基于Bayes估计的轨控效果快速评估方法，属于卫星轨道控制领域。该方法包括以下步骤：步骤一、提取与轨控相关的各遥测数据，对遥测数据进行剔除野值处理；步骤二、根据轨控发生时，各遥测数据信息变化特点，提出合理假设，建立先验概率模型，计算先验概率；步骤三，根据先验概率计算值，使用Bayes估计方法，得到后验概率值，根据后验概率值对轨控效果进行评估。本发明的轨控效果快速评估方法，应用星上多种与轨控任务相关的遥测信息源，根据各信息的特点，建立先验概率模型，然后应用Bayes估计方法，综合多个信息源的先验概率得到轨控评估的后验概率，根据后验概率值快速得到评估结果。上述评估方法能够快速准确评估轨控效果。

摘要： 本发明请求保护一种基于Bayes估计和数据流间功率分配的联合干扰相位对齐方案。首先，通过Bayes估计获得当前CSI的最佳估计，使得发送端可以获得较好的CSI。其次，在正向通信时，通过最大化期望信号功率与小区间干扰加噪声功率和的比值来设计干扰抑制矩阵；在反向通信时，通过最大化接收端整体的信干扰比来设计预编码矩阵；通过正向和反向通信的迭代计算直到收敛来获得最优的预编码和干扰抑制矩阵。然后，结合适用于干扰对齐的注水功率分配方案。最后，通过对齐发送信号流和接收信号流的相位将数据流间的干扰旋转到目标接收数据流的信号空间中。仿真表明，相对于其他稳健算法而言，无论是在理想CSI还是时延误差CSI，该方案都具有一定的性能优势。

摘要： 自身位置估计模型学习装置(10)包括：取得部(30)，其按时间序列取得在动态环境中从自身位置估计对象的视点拍摄到的局部图像以及从俯瞰自身位置估计对象的位置拍摄到的与所述局部图像同步的俯瞰图像；以及学习部(32)，其对以按时间序列取得的局部图像以及俯瞰图像为输入而输出自身位置估计对象的位置的自身位置估计模型进行学习。