导读:本文包含了最小风险贝叶斯论文开题报告文献综述、选题提纲参考文献，主要关键词:风险,最小,频谱,函数,在线,损失,多点。
最小风险贝叶斯论文文献综述写法
卫作臣,邹俊忠,张见,陈兰岚[1]（2019）在《基于贝叶斯最小风险的癫痫脑电自动检测算法》一文中研究指出提出一种新的不平衡分类算法,基于增减序列合并周期分割算法提取时域特征,引入随机映射优化了旋转森林的计算效率,进而计算基于海林格距离的贝叶斯最小风险来给出测试样本标签。该算法在1 s片段上得到了90. 66%灵敏性,92. 52%特异性,F2分数为0. 905 5,并且检出了98. 56%的癫痫发作,检测延迟为1. 32 s,在不平衡的癫痫脑电数据集上表现出了良好的性能,对于癫痫辅助诊断有着极大的临床意义。(本文来源于《计算机应用研究》期刊2019年12期）
孙子文,李富,庞永春[2]（2018）在《最小风险贝叶斯决策融合的多点触摸身份认证》一文中研究指出为提高智能手机中多点触摸身份认证的识别率,提出一种基于最小风险贝叶斯决策的多点触摸身份认证方法。首先采用认证手势中各单独手势序列经逻辑回归优化的均值动态时间规整算法进行局部分类,然后以贝叶斯规则为基础,引入损失函数,并计算最小风险贝叶斯决策组合规则下的局部决策结果,最后依据最小风险贝叶斯决策融合规则获得全局决策结果。实验结果显示,引入基于最小风险贝叶斯决策的融合身份认证,不仅保证了较为理想的漏警率、消弱了决策的风险性,而且降低了虚警率,获得了较为理想的分类效果。(本文来源于《计算机工程与科学》期刊2018年09期）
田博,陈舜杰,周雯[3]（2018）在《基于最小风险贝叶斯决策理论的在线评价排名方法研究》一文中研究指出随着电商模式不断发展和完善,在电商平台上出售的商品种类持续增加。消费者在做出购买决策之前,通常会参考其他消费者发表的在线评论。目前,电商客户评论中的好评与差评的权重风险是相等的,当顾客进行产品购买时会存在评论误判风险。针对好评与差评的权重风险相等的不足,本文提出了一种基于最小风险贝叶斯决策的评价排名方法。提出的方法首先利用网络爬虫语言抓取所有商品累计评论,形成TXT文档;然后根据已有的停用词词典,对生成的TXT文档进行文本预处理,并进行关键词的提取,通过关键词的分类将每一条评论生成一个文档,获得关键词权重;最后利用最小风险贝叶斯决策模型获得风险权重排名,并以天猫为例,与已有排名数据进行比较。提出方法新获得的排名为最小风险权重下的商家排名,有助于顾客在进行高风险商品购买决策时根据不同风险偏好,获得最优购买决策。(本文来源于《上海管理科学》期刊2018年02期）
陈曦,杨健[4]（2018）在《动态频谱接入中基于最小贝叶斯风险的稳健频谱预测》一文中研究指出针对频谱感知错误累积造成频谱预测性能恶化问题,该文提出一种基于最小贝叶斯风险的稳健频谱预测策略。分布拟合检验表明频谱预测输出服从正态分布,定义频谱预测输出的贝叶斯风险函数,证明使贝叶斯风险函数最小的频谱预测输出判决门限将使频谱预测的均方误差最小,求得了使贝叶斯风险最小的最优判决门限,构建稳健频谱预测策略。仿真结果表明,与固定判决门限的神经网络频谱预测相比,稳健频谱预测策略改进了频谱感知错误下的频谱预测性能,改善了非授权用户的动态频谱接入性能。(本文来源于《电子与信息学报》期刊2018年03期）
徐智康,李旸,李德玉[5]（2017）在《基于可变最小贝叶斯风险的层次多标签分类方法》一文中研究指出层次多标签分类方法,依据标签之间的相关性组织成层次结构,并将这种层次结构作为一种监督信息,从而更好地解决多标签分类问题.在层次多标签分类问题中常用的方法有两种,一种可称为损失无关方法,另一种可称为损失敏感方法.对于损失敏感方法,常用的损失函数有HMC-loss,该损失函数可对假正和假负两种错误给予不同的权重,并将层次信息添加到损失函数当中.当利用HMC-loss预测时,尽管得到的损失值是理想的,但实际预测的标签数却远多于真实的标签数.另外,层次信息的引入会对标签结点的决策顺序产生不利影响.针对这些问题,首先提出改进的损失函数IMH-loss,其次使用贝叶斯决策理论,提出了一种贝叶斯风险随决策过程可变的层次多标签分类方法.在真实数据集上的实验结果表明,该方法在保证召回率的同时,提升了标签预测精度.(本文来源于《南京大学学报(自然科学)》期刊2017年06期）
毛思敏[6]（2016）在《基于最小风险贝叶斯准则的工业过程故障诊断》一文中研究指出在工业制造过程中,快速检测和识别异常事件的发生对于提高过程的安全性和减少不必要的生产损失有着至关重要的影响。计算机控制技术的快速提升使采集和存储工业现场的海量数据成为可能,如何充分利用数据信息对生产过程实施监控受到了极大的关注,基于数据驱动的多变量统计监控更是当下的热门研究之一。故障检测和诊断是过程监控中非常关键的环节。本文采用了主元分析法来检测故障,它是一种基于多变量统计的常用检测方法。在检测到故障后,有必要诊断出故障发生的变量。常用的故障诊断方法有贡献图方法以及基于重构的方法,但是二者存在着以下缺陷。首先,两种方法本身存在着“污染”效应,即变量之间的相关性使得故障变量很容易对非故障变量产生影响,进而导致非故障变量的贡献值增大甚至超过故障变量的贡献值,引起不同程度的误判。其次,当工业过程出现异常时,由于控制器的控制作用以及变量与变量间的相关性,故障会从故障源变量逐步“蔓延”到其他变量。针对以上两个问题,本文基于最小贝叶斯准则提出了一种新的故障诊断技术。该技术利用标准化的相对重构贡献值来代表特征属性,引入贝塔分布来逼近类条件概率密度,在调节因子的基础上采用最小风险贝叶斯决策对复杂的工业过程进行了故障检测和诊断。该方法很大程度地减轻了故障发生后的“污染”效应,跟踪了故障在变量间的传播过程,诊断出故障根源变量,同时还可以处理微小故障以及多传感器故障情况。通过数值仿真、田纳西伊斯曼过程以及青霉素发酵过程仿真平台对本文方法进行了验证,结果证明了本方法对于解决上述问题的有效性;同时通过分析比较本文方法和两种现有的故障诊断方法,说明本方法能够更快更准地诊断出故障变量。(本文来源于《华中科技大学》期刊2016-05-01）
桑鹏伟,王鹏,郭亚强,白艳萍[7]（2016）在《一种基于Kohonen和最小风险贝叶斯决策的雷达信号识别方法》一文中研究指出鉴于有监督的Kohonen神经网络在雷达信号识别方面的不足,将S-Kohonen神经网络和最小风险贝叶斯决策相结合,提出了一种加强的S-Kohonen-Bayes方法对雷达信号进行分类,并利用Adaboost强分类器设计对识别结果进行修正.人工仿真实验结果表明,错误率平均降低了36%,改进方法具有良好的识别能力,使用最小风险贝叶斯决策进行修正是有效和必要的.(本文来源于《高师理科学刊》期刊2016年01期）
赵斌,何泾沙[8]（2015）在《基于贝叶斯决策理论的风险最小化的授权映射方法》一文中研究指出授权决策是访问控制理论研究中的关键问题之一。为了有效提高基于信任的访问控制中授权的安全性,依据最小风险贝叶斯决策理论,将访问控制中客体对主体的授权视为最优决策的发现问题,提出基于风险最小化授权映射方法,实现访问控制中准确的授权操作。通过算例分析和仿真实验表明,该方法能够在降低风险的情况下比较准确地给出交互的最终授权。(本文来源于《通信学报》期刊2015年S1期）
曹蕾[9]（2015）在《基于风险最小化的两类贝叶斯估计方法》一文中研究指出本论文总共有四章.第一章是绪论部分.第一节主要介绍经验贝叶斯方法的历史,发展和优点.第二节介绍第二章,第叁章需要的用到的性质,定理等.第二章,考虑基于非对称损失函数的方差未知的逐步置信区间的方法.毒性评价的一个重要方面是研究不同处理或不同剂量下的处理与安慰剂等效性问题.在等效性问题研究中,传统意义上的对称置信区间是不合理的.在相同置信水平下,采用非对称置信区间可以实现对毒性的更严苛控制,并且可以很好地控制familywise error rate(FWER).最近,Tao,Tang&Shi(2010)提出了一个新的基于非对称损失函数的方法,但是他们的方法要求不同剂量下方差是已知的.所以,在某种程度上不是令人满意的.非对称minimax置信区间的构造分为叁个步骤,首先通过最小化后验风险函数得到参数的minimax置信下限,其次同理可以得到minimax置信上限.最后,在此基础上,构造逐步非对称minimax置信区间.在本章中,我们提出的非对称置信区间方法不需要假设各剂量下的方差是已知的,而且非对称性能够保证很好地控制FWER.模拟结果表明,新提出的方法是稳健的,因为即使违反两种假设(正态性假设和方差相等假设)之一,或两个假设都违反,新方法也能够很好地控制FWER.第叁章,考虑基于最小化风险函数的收缩估计.分层模型中的收缩估计在统计,科学和工程应用领域有深远的影响.James&Stein(1961),Stein(1962)原创性的工作已经使收缩估计成为分层模型中的主要焦点之一.在同方差正态模型中,收缩估计的风险性质已经得到深入的研究.在异方差正态模型中,Xie et al.(2012)提出一系列基于最小化Stein风险无偏估计(Stein’s unbiased estimate of risk,简记SURE)的收缩估计.他们的方法是一步最小化风险函数的无偏估计.我们提出的收缩估计是通过迭代最小化风险函数的后验估计.当迭代停止时,称风险函数的后验估计为后验均值最小均方风险估计(记作PMMSRE).当均值的个数趋于无穷时,给出PMMSRE方法的收缩估计的渐近最优性质.我们发现虽然PMMSRE方法的样本来自正态分布,但是模拟表明渐近最优性质并不是十分依赖于分布假设.我们将PMMSRE方法应用于实例,得到了令人满意的结果.第四章,第二章和第叁章相关定理证明.(本文来源于《东北师范大学》期刊2015-09-01）
孙冬,刘丹,赵键[10]（2014）在《基于最小风险贝叶斯决策的印刷品斑点检测方法》一文中研究指出针对印刷品斑点检测缺乏有效检测方法的难题,依据统计决策和贝叶斯分析的基本原理,结合模式识别和机器礼堂相关理论技术,提出了一种基于最小风险贝叶斯决策的印刷品斑点检测方法;以烟标图像为例,实验验证了所提算法的准确性与有效性;该实验表明:所提算法能够有效地检测出烟标中的黑色斑点,分割出来的斑点图像基本上保持了原有的形状;最后,提出了进一步的改进方法。(本文来源于《计算机测量与控制》期刊2014年06期）
最小风险贝叶斯论文开题报告范文
（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：
为提高智能手机中多点触摸身份认证的识别率,提出一种基于最小风险贝叶斯决策的多点触摸身份认证方法。首先采用认证手势中各单独手势序列经逻辑回归优化的均值动态时间规整算法进行局部分类,然后以贝叶斯规则为基础,引入损失函数,并计算最小风险贝叶斯决策组合规则下的局部决策结果,最后依据最小风险贝叶斯决策融合规则获得全局决策结果。实验结果显示,引入基于最小风险贝叶斯决策的融合身份认证,不仅保证了较为理想的漏警率、消弱了决策的风险性,而且降低了虚警率,获得了较为理想的分类效果。
（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。
最小风险贝叶斯论文参考文献
[1].卫作臣,邹俊忠,张见,陈兰岚.基于贝叶斯最小风险的癫痫脑电自动检测算法[J].计算机应用研究.2019
[2].孙子文,李富,庞永春.最小风险贝叶斯决策融合的多点触摸身份认证[J].计算机工程与科学.2018
[3].田博,陈舜杰,周雯.基于最小风险贝叶斯决策理论的在线评价排名方法研究[J].上海管理科学.2018
[4].陈曦,杨健.动态频谱接入中基于最小贝叶斯风险的稳健频谱预测[J].电子与信息学报.2018
[5].徐智康,李旸,李德玉.基于可变最小贝叶斯风险的层次多标签分类方法[J].南京大学学报(自然科学).2017
[6].毛思敏.基于最小风险贝叶斯准则的工业过程故障诊断[D].华中科技大学.2016
[7].桑鹏伟,王鹏,郭亚强,白艳萍.一种基于Kohonen和最小风险贝叶斯决策的雷达信号识别方法[J].高师理科学刊.2016
[8].赵斌,何泾沙.基于贝叶斯决策理论的风险最小化的授权映射方法[J].通信学报.2015
[9].曹蕾.基于风险最小化的两类贝叶斯估计方法[D].东北师范大学.2015
[10].孙冬,刘丹,赵键.基于最小风险贝叶斯决策的印刷品斑点检测方法[J].计算机测量与控制.2014