城市规模对人力资本外部性影响的微观证据———基于贝叶斯分位数回归分析

运用贝叶斯分位数回归方法, 研究不同收入水平劳动力从人力资本外部性效应中获益的情况以及不同分位点上城市规模对人力资本外部性的影响, 得到3 个主要结论: 不同收入水平的劳动力从城市人力资本水平的提高中获得了不同的工资溢价, 收入水平较高的劳动力从人力资本外部性效应中获益更多; 城市规模对人力资本外部性的影响在不同分位点上并不相同, 特大城市与中小城市人力资本外部性差异在高分位点更明显, 大城市与中小城市的人力资本外部性差异则随分位水平的提高而增大; 不同户籍类型劳动群体从人力资本外部性中获益程度差别较大, 不同收入水平的城市居民从人力资本外部性中获益均比农民工多。     

利用贝叶斯线性回归结合混合Copula函数分析风电功率的相关性

分析风电场之间的出力相关性有助于合理规划风机的功率输送以及调度优化,从而提高传输线路的利用率。以冀北地区风场为例,首先分析了该区域风速的分布特性,然后利用贝叶斯线性回归算法建立混合Copula函数模型,拟合得到4个机群风速序列的联合分布,计算出风电场之间的出力相关性,并与其他相关性函数建模进行对比研究。研究结果表明,基于贝叶斯线性回归的混合Copula函数模型能够提高参数估计的精确性,从而使得计算出的相关性更为准确,并且由其拟合得到的出力概率分布与实际风场出力的概率分布较为一致。     

Bayesian decision-based pattern recognition on spectrum signal of metal transfer modes

A software system of pattern recognition on spectrum signal of metal transfer mode has been developed using Visual Basic under Windows environment. On the basis of the coincidence relation between the spectrum signal and metal transfer mode, according to the geometrical pattern feature of the spectrum signal, several key characteristic parameters are extracted. The correspondent recognition function and a minimum distance classifier have been constructed based on Bayesian decision theory. The results show that using this system, the metal transfer mode of MIG, MAG, CO2 welding can be recognized automatically which provides the basis for automatically controlling of the metal gas arc welding metal transfer.     

矿业投资风险决策的贝叶斯网络方法

针对矿业投资风险决策过程中风险因素随着不断更新的信息而动态变化的特征,分析了传统方法的不足,引入贝叶斯网络分析方法,介绍了贝叶斯网络的基本概念和性质,将风险决策理论与贝叶斯网络有机的结合起来,用于矿业投资风险决策的分析.构建了基于贝叶斯网络的矿山投资风险决策模型,并通过实例证明了该方法的有效性,为矿业投资决策分析提供了一种新的思路和方法.     

基于动态朴素贝叶斯分类器的明渠水华风险评估模型

水华风险不仅是水利工程规划时需要考虑的环境问题,也是水利设施运营时不能忽视的监测项目。为了提高明渠水化风险等级预测的准确率,针对水华成因的不确定性和发展的时序性,基于动态朴素贝叶斯网络分类器提出一种应用于明渠的水华风险评估模型。模型用水华风险等级结点对应藻叶绿素a(Chla)的浓度,并考虑了9项影响水藻生长的因素。采用主成分分析法,处理专家咨询结果,进行参数的设计。在苏州河道北门桥2011年6月初至9月初观测的53例连续监测数据上,与基于朴素贝叶斯网络分类器的评估模型进行比较实验。混淆矩阵显示对中等风险情况的预测识别率提高了15.625%,单尾配对t检验表明在显著性水平0.05时,两模型预测识别率差异显著。考虑了时序特征的基于动态贝叶斯网络分类器的评估模型对明渠中等水化风险的预测识别率提高显著。     

基于弱监督的属性关系抽取方法

针对从中文百科中抽取属性关系时所面临的训练语料匮乏问题,提出一种利用极少人工参与的弱监督自动抽取方法。首先,利用中文百科条目信息模板中的半结构化属性关系回标条目文本自动获取训练语料;然后,根据朴素贝叶斯分类原理优化训练语料;最后,基于条件随机场(CRF)建立属性关系抽取模型。在互动百科中采集的数据集上进行实验,综合评价F值达到了80.9%。结果表明该方法能够获得质量较高的训练语料,并取得良好的抽取性能。     

一种混合的领域概念分类体系自动构建算法

领域概念分类体系自动构建在人工智能、自然语言处理和信息检索等领域具有重要作用,但现有研究较多关注通用知识,面向特定领域的研究较少,且存在领域概念间关系抽取准确率以及自动构建算法效率较低等问题。为此,提出一种混合的领域概念分类体系自动构建算法,该算法主要包括领域概念间关系抽取模块和分类体系构建模块。领域概念间关系抽取模块设计考虑中文自身的特点,采取句法树和基于规则相结合的方法,以提高抽取领域概念间关系的查准率和查全率;分类体系构建模块设计采取改进的BRT算法,从而在降低算法复杂度的同时,提高领域分类体系构建的查准率。在通信、金融和计算机领域的实验结果均表明,与BRT算法相比,该算法的构建效果较好,查准率最高可达到89.3%。     

基于贝叶斯的软件错误定位方法

为提高基于程序切片和覆盖信息的传统错误定位技术的效率,提出一种基于程序动态切片和贝叶斯相结合的错误定位方法。针对程序执行轨迹计算动态切片,减少搜索空间;在切片后覆盖信息的基础上,利用贝叶斯公式计算相关语句的可疑度;根据语句可疑度降序排列语句,依次检查直到找出真正的错误语句。实验结果表明,该方法能够在一定程度上提高软件错误定位的效率与精度。     

一种改进的朴素贝叶斯关键词提取算法研究

为了提高关键词提取的准确率,在利用文本中相同词的前后词共现频率识别组合词的基础上,提出一种基于改进词语统计特征的朴素贝叶斯关键词提取算法。该算法选取词语的词长、词性、位置、TF-IDF值作为词语的特征项,改进了统计词长、TF-IDF和词频的方法,使长词和TF-IDF大的词具有更高的概率,而在统计词频时,考虑了词语之间包含与被包含的关系。然后,采用朴素贝叶斯模型对标记好关键词的文本进行训练,获得各个特征项出现的概率,用来提取文本的关键词。实验表明,与传统基于词频和决策树C4.5的关键词提取算法相比,采用该方法提取的关键词具有更高的准确率和可读性。     

基于粒子群优化建模的贝叶斯网络结构学习方法

贝叶斯网络(BN)在不确定性的条件下表示信息和推理论证具有良好的性能,但由于其结构搜索空间的复杂性,通常将从一个数据集合中学习贝叶斯网络的结构认为是一种NP-hard的问题。基于此,提出一种新的基于粒子群优化算法建模的贝叶斯网络结构学习方法。为了学习一个贝叶斯网络的结构,该方法先使用粒子群优化算法在排序空间中进行搜索,然后运行K2算法计算每个排序的吻合度。每个排序都会有一个网络结构与之一致,该方法会返回这个网络的计分。仿真结果表明,在不同规模的数据集中,该算法相对于其他贝叶斯网络结构学习算法对不同类型的网络都具有更好的网络稳定性。