文中通过使用非信息先验方法,为ARMA频谱模型开发了一种贝叶斯方法,进行了基于马尔可夫蒙特卡罗(Markov Chain Monte Carlo,MCMC)的贝叶斯计算和模拟,得出了边缘后验分布的特征,如贝叶斯估计量和ARMA模型参数的置信区间。将这两种方法...文中通过使用非信息先验方法,为ARMA频谱模型开发了一种贝叶斯方法,进行了基于马尔可夫蒙特卡罗(Markov Chain Monte Carlo,MCMC)的贝叶斯计算和模拟,得出了边缘后验分布的特征,如贝叶斯估计量和ARMA模型参数的置信区间。将这两种方法与传统的最小二乘法和最大似然方法进行了比较,并给出了带有两个ARMA模型示例的数值说明,以评估程序的性能。比较结果表明,对于不太稳定的ARMA模型,贝叶斯方法是合理的,并且可以选择任何一种方法来获得更稳定的功率谱。与其他方法相比,贝叶斯方法提供了适用于任意阶次ARMA模型光谱的最佳拟合。展开更多
采用贝叶斯模型平均(Bayesian Model Averaging)方法,使用1990-2007年省际数据,对长期影响中国经济增长的诸多因素的有效性和稳健性进行了识别和检验。研究结论表明:高等教育发展阶段、工业化推进速度、对外开放程度、东部区位优势、消...采用贝叶斯模型平均(Bayesian Model Averaging)方法,使用1990-2007年省际数据,对长期影响中国经济增长的诸多因素的有效性和稳健性进行了识别和检验。研究结论表明:高等教育发展阶段、工业化推进速度、对外开放程度、东部区位优势、消费能力和对内开放水平等6个解释变量对中国经济增长具有长期、持续和稳健的影响,是中国经济增长的长期决定因素。城市规模、中部区位优势和初始经济条件等3个解释变量对经济增长也具有一定的解释能力。此外,从解释变量对经济增长边际影响的程度来看,工业化推进速度变量对经济增长的边际影响最强,其次是消费能力变量和对外开放程度变量。展开更多
本文利用Python语言,对25 000条英文影评数据进行文本分类。首先利用词袋模型对文本数据进行分类。在此基础上加入Word2Vec建立新的词向量特征,通过精准率和召回率对比前后2种模型的分类效果;最后通过逻辑回归和朴素贝叶斯分类模型的分...本文利用Python语言,对25 000条英文影评数据进行文本分类。首先利用词袋模型对文本数据进行分类。在此基础上加入Word2Vec建立新的词向量特征,通过精准率和召回率对比前后2种模型的分类效果;最后通过逻辑回归和朴素贝叶斯分类模型的分类效果对照得出研究结论。结果表明:对于英文影评文本分类,在同等条件下,使用Word2Vec构建词向量模型的精准率和召回率比使用bag of Word词袋模型分别高出0.02个百分点和0.026个百分点;在使用Word2Vec的基础上,朴素贝叶斯分类器的精准率和召回率分别高出逻辑回归分类0.027个百分点和0.028个百分点。展开更多
非刚性点集配准是计算机视觉和模式识别领域的基础研究问题,现今的非刚性点集配准算法在存在大量离群点、噪声、点集对应关系缺失、旋转和形变情况下,不能非常准确地评估出两个点集间的对应关系.本文通过交替执行点集对应关系评估和空...非刚性点集配准是计算机视觉和模式识别领域的基础研究问题,现今的非刚性点集配准算法在存在大量离群点、噪声、点集对应关系缺失、旋转和形变情况下,不能非常准确地评估出两个点集间的对应关系.本文通过交替执行点集对应关系评估和空间转换更新两个步骤来逐步恢复点集间一一对应关系.在对应关系评估步骤,首先本文基于有限重尾学生t分布隐变量混合模型(student-t distribution Latent Mixture Model,简称TLMM)构造变分贝叶斯层次概率模型(Variational Bayes Hierarchical Probability Model,简称VBHPM)并将其分为对应关系评估组件和离群点聚合组件,分别用来评估点集间对应关系和聚合离群点,同时使用贝叶斯线性回归方法来抵抗噪声的干扰.其次本文加入Dirichlet先验分布来动态调节模型的混合比例,为对应关系缺失的点分配较小的混合比例以保持点集结构的稳定性.在空间转换更新步骤,本文基于变分贝叶斯(Variational Bayes,简称VB)框架来迭代更新模型参数,并提出树状平均场因式分解方法来维持模型参数间的依赖关系,以获得更紧致的变分下界.此外,本文提出自适应全局-局部约束策略来维持点集间结构的稳定性,抵抗形变和旋转影响的同时实现从局部到全局的约束过程.最后,本文采用了双阶段先验退火方案,在退火过程中使用Gamma先验分布来动态调节精度,实现由粗到精的配准过程.在实验部分,本文不仅测试了VBHPM的性能,而且展示了点集和图像配准的结果,并与当前流行的13种算法进行了比较,VBHPM皆能展现较准确的配准结果和较高的精度.展开更多
文摘文中通过使用非信息先验方法,为ARMA频谱模型开发了一种贝叶斯方法,进行了基于马尔可夫蒙特卡罗(Markov Chain Monte Carlo,MCMC)的贝叶斯计算和模拟,得出了边缘后验分布的特征,如贝叶斯估计量和ARMA模型参数的置信区间。将这两种方法与传统的最小二乘法和最大似然方法进行了比较,并给出了带有两个ARMA模型示例的数值说明,以评估程序的性能。比较结果表明,对于不太稳定的ARMA模型,贝叶斯方法是合理的,并且可以选择任何一种方法来获得更稳定的功率谱。与其他方法相比,贝叶斯方法提供了适用于任意阶次ARMA模型光谱的最佳拟合。
文摘采用贝叶斯模型平均(Bayesian Model Averaging)方法,使用1990-2007年省际数据,对长期影响中国经济增长的诸多因素的有效性和稳健性进行了识别和检验。研究结论表明:高等教育发展阶段、工业化推进速度、对外开放程度、东部区位优势、消费能力和对内开放水平等6个解释变量对中国经济增长具有长期、持续和稳健的影响,是中国经济增长的长期决定因素。城市规模、中部区位优势和初始经济条件等3个解释变量对经济增长也具有一定的解释能力。此外,从解释变量对经济增长边际影响的程度来看,工业化推进速度变量对经济增长的边际影响最强,其次是消费能力变量和对外开放程度变量。
文摘本文利用Python语言,对25 000条英文影评数据进行文本分类。首先利用词袋模型对文本数据进行分类。在此基础上加入Word2Vec建立新的词向量特征,通过精准率和召回率对比前后2种模型的分类效果;最后通过逻辑回归和朴素贝叶斯分类模型的分类效果对照得出研究结论。结果表明:对于英文影评文本分类,在同等条件下,使用Word2Vec构建词向量模型的精准率和召回率比使用bag of Word词袋模型分别高出0.02个百分点和0.026个百分点;在使用Word2Vec的基础上,朴素贝叶斯分类器的精准率和召回率分别高出逻辑回归分类0.027个百分点和0.028个百分点。
文摘非刚性点集配准是计算机视觉和模式识别领域的基础研究问题,现今的非刚性点集配准算法在存在大量离群点、噪声、点集对应关系缺失、旋转和形变情况下,不能非常准确地评估出两个点集间的对应关系.本文通过交替执行点集对应关系评估和空间转换更新两个步骤来逐步恢复点集间一一对应关系.在对应关系评估步骤,首先本文基于有限重尾学生t分布隐变量混合模型(student-t distribution Latent Mixture Model,简称TLMM)构造变分贝叶斯层次概率模型(Variational Bayes Hierarchical Probability Model,简称VBHPM)并将其分为对应关系评估组件和离群点聚合组件,分别用来评估点集间对应关系和聚合离群点,同时使用贝叶斯线性回归方法来抵抗噪声的干扰.其次本文加入Dirichlet先验分布来动态调节模型的混合比例,为对应关系缺失的点分配较小的混合比例以保持点集结构的稳定性.在空间转换更新步骤,本文基于变分贝叶斯(Variational Bayes,简称VB)框架来迭代更新模型参数,并提出树状平均场因式分解方法来维持模型参数间的依赖关系,以获得更紧致的变分下界.此外,本文提出自适应全局-局部约束策略来维持点集间结构的稳定性,抵抗形变和旋转影响的同时实现从局部到全局的约束过程.最后,本文采用了双阶段先验退火方案,在退火过程中使用Gamma先验分布来动态调节精度,实现由粗到精的配准过程.在实验部分,本文不仅测试了VBHPM的性能,而且展示了点集和图像配准的结果,并与当前流行的13种算法进行了比较,VBHPM皆能展现较准确的配准结果和较高的精度.
