基于最小风险的Bayes阈值选取准则算法及实现
出版时间:
2018-05
版次:
31
ISBN:
9787030555120
定价:
90.00
装帧:
平装
开本:
16开
页数:
108页
字数:
133千字
正文语种:
简体中文
3人买过
-
《基于*小风险的Bayes阈值选取准则算法及实现》分为6章。第1章介绍传统的基于*小错误概率的阈值选取准则。第2章介绍贝叶斯基本理论。第3章描述基于*小风险的贝叶斯阈值选取准则及其实现方法,提出一种实时加权先验概率求解算法。第4章讨论基于核密度估计的非参数分布密度估计算法,包括基于估计点的滑动窗宽核密度估计算法、基于估计点的滑动双窗宽核密度估计算法、基于估计带的滑动窗宽核密度估计算法及基于迭代的窗宽优化算法,并给出基于估计点的滑动窗宽的核密度估计性质及其证明。第5章对基于*小风险的贝叶斯阈值选取算法进行实例验证。第6章提出一种基于Bayes准则的支持向量机。附录是《基于*小风险的Bayes阈值选取准则算法及实现》涉及算法的源程序。 目录
前言
第1章 导论 1
1.1 引言 1
1.2 误报概率、漏报概率与阈值之间的关系 2
1.3 基于最小错误概率的阈值选取准则 4
1.4 小结 6
第2章 贝叶斯理论 7
2.1 历史回顾 7
2.2 贝叶斯定理 9
2.3 贝叶斯参数统计模型 11
2.4 先验分布的选取 12
2.5 贝叶斯预测分布密度与预测置信区间 16
2.6 贝叶斯判别分析 16
2.7 小结 19
第3章 基于最小风险的贝叶斯阈值选取准则 20
3.1 贝叶斯判别准则 20
3.2 基于最小风险的贝叶斯阈值选取准则 21
3.3 基于最小风险的贝叶斯阈值选取准则的实现 22
3.4 实时加权先验概率求解算法 22
3.5 小结 25
第4章 基于核密度估计的非参数分布密度估计算法 26
4.1 引言 26
4.1.1 核函数的选择 28
4.1.2 窗宽的选择 29
4.2 基于积分均方误差的窗宽优化算法 32
4.3 基于样本点的变窗宽算法的不可实现性讨论 34
4.4 基于估计点的滑动窗宽核密度估计算法 36
4.4.1 基于估计点的滑动窗宽核密度估计算法步骤 38
4.4.2 基于估计点的滑动窗宽核密度估计算法验证 39
4.4.3 基于估计点的滑动窗宽核密度估计算法总结 42
4.5 基于估计点的滑动双窗宽核密度估计算法 43
4.5.1 基于估计点的滑动双窗宽核密度估计算法步骤 44
4.5.2 基于估计点的滑动双窗宽核密度估计算法验证 45
4.5.3 基于估计点的滑动双窗宽核密度估计算法总结 48
4.6 基于估计带的滑动窗宽核密度估计算法 49
4.6.1 基于估计带的滑动窗宽核密度估计算法步骤 50
4.6.2 基于估计带的滑动窗宽核密度估计算法验证 51
4.6.3 基于估计带的滑动窗宽核密度估计算法总结 52
4.7 基于迭代的窗宽优化算法 54
4.7.1 固定窗宽迭代算法 54
4.7.2 滑动窗宽迭代算法 55
4.8 基于估计点的滑动窗宽的核密度估计性质及其证明 56
4.9 算法的试验例证 56
4.10 小结 60
第5章 基于最小风险的贝叶斯阈值选取算法验证 61
5.1 引言 61
5.2 实例背景 62
5.3 故障状态下的试验例证 64
5.4 正常状态下的试验例证 66
5.5 小结 67
第6章 基于贝叶斯准则的支持向量机 68
6.1 引言 68
6.2 支持向量机分类问题的描述 69
6.3 基于贝叶斯准则的支持向量机 70
6.4 算法的实验例证 75
6.5 小结 77
参考文献 78
附录 80
-
内容简介:
《基于*小风险的Bayes阈值选取准则算法及实现》分为6章。第1章介绍传统的基于*小错误概率的阈值选取准则。第2章介绍贝叶斯基本理论。第3章描述基于*小风险的贝叶斯阈值选取准则及其实现方法,提出一种实时加权先验概率求解算法。第4章讨论基于核密度估计的非参数分布密度估计算法,包括基于估计点的滑动窗宽核密度估计算法、基于估计点的滑动双窗宽核密度估计算法、基于估计带的滑动窗宽核密度估计算法及基于迭代的窗宽优化算法,并给出基于估计点的滑动窗宽的核密度估计性质及其证明。第5章对基于*小风险的贝叶斯阈值选取算法进行实例验证。第6章提出一种基于Bayes准则的支持向量机。附录是《基于*小风险的Bayes阈值选取准则算法及实现》涉及算法的源程序。
-
目录:
目录
前言
第1章 导论 1
1.1 引言 1
1.2 误报概率、漏报概率与阈值之间的关系 2
1.3 基于最小错误概率的阈值选取准则 4
1.4 小结 6
第2章 贝叶斯理论 7
2.1 历史回顾 7
2.2 贝叶斯定理 9
2.3 贝叶斯参数统计模型 11
2.4 先验分布的选取 12
2.5 贝叶斯预测分布密度与预测置信区间 16
2.6 贝叶斯判别分析 16
2.7 小结 19
第3章 基于最小风险的贝叶斯阈值选取准则 20
3.1 贝叶斯判别准则 20
3.2 基于最小风险的贝叶斯阈值选取准则 21
3.3 基于最小风险的贝叶斯阈值选取准则的实现 22
3.4 实时加权先验概率求解算法 22
3.5 小结 25
第4章 基于核密度估计的非参数分布密度估计算法 26
4.1 引言 26
4.1.1 核函数的选择 28
4.1.2 窗宽的选择 29
4.2 基于积分均方误差的窗宽优化算法 32
4.3 基于样本点的变窗宽算法的不可实现性讨论 34
4.4 基于估计点的滑动窗宽核密度估计算法 36
4.4.1 基于估计点的滑动窗宽核密度估计算法步骤 38
4.4.2 基于估计点的滑动窗宽核密度估计算法验证 39
4.4.3 基于估计点的滑动窗宽核密度估计算法总结 42
4.5 基于估计点的滑动双窗宽核密度估计算法 43
4.5.1 基于估计点的滑动双窗宽核密度估计算法步骤 44
4.5.2 基于估计点的滑动双窗宽核密度估计算法验证 45
4.5.3 基于估计点的滑动双窗宽核密度估计算法总结 48
4.6 基于估计带的滑动窗宽核密度估计算法 49
4.6.1 基于估计带的滑动窗宽核密度估计算法步骤 50
4.6.2 基于估计带的滑动窗宽核密度估计算法验证 51
4.6.3 基于估计带的滑动窗宽核密度估计算法总结 52
4.7 基于迭代的窗宽优化算法 54
4.7.1 固定窗宽迭代算法 54
4.7.2 滑动窗宽迭代算法 55
4.8 基于估计点的滑动窗宽的核密度估计性质及其证明 56
4.9 算法的试验例证 56
4.10 小结 60
第5章 基于最小风险的贝叶斯阈值选取算法验证 61
5.1 引言 61
5.2 实例背景 62
5.3 故障状态下的试验例证 64
5.4 正常状态下的试验例证 66
5.5 小结 67
第6章 基于贝叶斯准则的支持向量机 68
6.1 引言 68
6.2 支持向量机分类问题的描述 69
6.3 基于贝叶斯准则的支持向量机 70
6.4 算法的实验例证 75
6.5 小结 77
参考文献 78
附录 80
查看详情
-
全新
四川省成都市
平均发货55小时
成功完成率84.37%
-
全新
天津市和平区
平均发货23小时
成功完成率81.35%
-
全新
天津市津南区
平均发货13小时
成功完成率86.07%
-
全新
广东省广州市
平均发货17小时
成功完成率91.79%
-
全新
广东省广州市
平均发货17小时
成功完成率90.98%
-
全新
北京市西城区
平均发货12小时
成功完成率94.24%
-
全新
江苏省无锡市
平均发货8小时
成功完成率96.5%
-
全新
天津市河东区
平均发货23小时
成功完成率89.93%
-
全新
天津市西青区
平均发货13小时
成功完成率91.09%
-
全新
天津市西青区
平均发货6小时
成功完成率84.91%
-
全新
北京市丰台区
平均发货28小时
成功完成率86.99%
-
全新
北京市朝阳区
平均发货9小时
成功完成率97.83%
-
全新
河北省保定市
平均发货14小时
成功完成率93.77%
-
全新
-
全新
广东省广州市
平均发货7小时
成功完成率89.34%
-
全新
江苏省南京市
平均发货6小时
成功完成率98.51%
-
全新
江苏省南京市
平均发货6小时
成功完成率94.84%
-
全新
江苏省南京市
平均发货12小时
成功完成率85.32%
-
九品
北京市昌平区
平均发货22小时
成功完成率89.21%
-
全新
上海市浦东新区
平均发货19小时
成功完成率81.72%
-
全新
北京市朝阳区
平均发货14小时
成功完成率94.38%
-
全新
四川省成都市
平均发货21小时
成功完成率90.6%
-
全新
广东省广州市
平均发货16小时
成功完成率88.88%
-
全新
江西省吉安市
平均发货52小时
成功完成率85.09%
-
全新
北京市通州区
平均发货41小时
成功完成率85.33%
-
全新
北京市通州区
平均发货25小时
成功完成率90.62%
-
全新
北京市通州区
平均发货43小时
成功完成率85.92%