导读:本文包含了贝叶斯预测模型论文开题报告文献综述及选题提纲参考文献，主要关键词:朴素贝叶斯,成绩预测,数据来源,转化
贝叶斯预测模型论文文献综述
张燕[1]（2019）在《基于朴素贝叶斯的英语成绩预测模型构建研究》一文中研究指出针对当前英语学习信息化需求,以及深度学习算法的优势,提出一种基于朴素贝叶斯的英语成绩预测模型。为验证该模型在英语成绩预测方面的有效性,首先对朴素贝叶斯定理的原理进行分析,然后以某职业院校2016～2018的英语四级考试成绩作为基本数据来源,采用朴素贝叶斯模型中概率对不同属性下的学生英语成绩进行预测,结果表明通过朴素贝叶斯分类预测到的成绩与实际的基本一致。(本文来源于《自动化技术与应用》期刊2019年10期）
杨光艺[2]（2019）在《贝叶斯模型平均下的时变系数预测回归模型》一文中研究指出文章采用时变系数模型对中国股票市场的超额收益率进行预测,并结合贝叶斯模型平均的方法对各模型进行模型平均,得出稳健有效的预测结果。实证比较表明:(1)时变系数模型相比常系数模型具有更好的预测效果;(2)时变系数模型能帮助投资者在市场剧烈变化时迅速做出反应;(3)单变量情形下,宏观经济类变量具有更好的预测效果。(本文来源于《统计与决策》期刊2019年19期）
刘永鑫,金虹,罗鹏[3]（2019）在《基于贝叶斯理论的热环境不满意率预测模型》一文中研究指出热环境舒适性是环境健康的重要内容之一,而热环境满意率预测是热舒适评价的重要指标。通过预先测得的环境和人体参数,利用PMV-PPD模型形成热环境预测不满意率的先验分布。结合不满意率现场调研结果,应用贝叶斯公式和马尔可夫链蒙特卡罗方法计算不满意率的后验分布。算例结果证实了该方法的有效性。研究表明,不满意率先验分布方差和调研样本数量均会影响预测结果;随着样本数量的增加,先验分布对预测结果的影响会逐渐减小。该模型考虑了主、客观因素作用,适用于建筑热环境设计与分析。(本文来源于《暖通空调》期刊2019年08期）
袁颖,谭丁,于少将,李杨,韩冰[4]（2019）在《基于贝叶斯正则化改进BP神经网络的页岩气有机碳含量预测模型》一文中研究指出页岩气总有机碳(TOC)含量是评价岩性气藏的关键指标,受复杂地质及岩心采集等多种因素的影响,常规室内测试分析获得的TOC含量的数据有限且结果有失准确。为合理准确预测页岩气TOC含量,本文首先通过对页岩气储层TOC含量测井资料综合分析选取8条测井曲线,并结合主成分分析法(Principal Component Analysis,PCA)提取四个主成分;其次基于贝叶斯正则化(Bayesian Regularization)改进的BP神经网络方法建立页岩气TOC含量预测的BR-BP模型;最后利用该模型对研究区A区页岩气TOC含量进行预测,并与常规的LM-BP神经网络模型的预测结果进行对比。结果表明:BRBP模型有较强的非线性拟合能力,能够真实地反映出页岩气TOC含量与各测井参数之间的非线性关系,其模型预测结果与实际值基本吻合,与常规的LM-BP神经网络模型相比,其数据敏感性增强,预测精度有所提高,该研究方法具有一定的理论意义和参考价值,为我国TOC含量预测提供了一种新的技术方法和手段。(本文来源于《地质与勘探》期刊2019年04期）
白光晗,张云安[5]（2019）在《高等教育科研资源质量评价方法研究——基于贝叶斯网络模型的预测》一文中研究指出本文主要采取理论研究和案例分析相结合的方法,在对我国当前高等教育科研资源质量分析的基础上,运用贝叶斯网络建立科研资源质量评价模型,提出一种科研资源评估指标体系向贝叶斯网络的转化方法,研究了科研资源指标和指标逻辑关系转化。最后以项目申请为例,通过比较模型中节点的后验概率和先验概率的差值大小来识别科研资源质量评价系统中的关键因素,对科研资源质量改进提供技术支撑。(本文来源于《教育现代化》期刊2019年53期）
樊学平,屈广,刘月飞[6]（2019）在《基于贝叶斯傅里叶动态模型的桥梁极值应力预测》一文中研究指出研究了基于健康监测应力数据的桥梁极值应力动态预测.考虑到监测应力的周期性、随机性和动态性等特点,首先初次建立了桥梁监测极值应力的傅里叶动态非线性模型(Fourier Dynamic Nonlinear Model,FDNM),结合Taylor级数展开技术,将FDNM近似转化为傅里叶动态线性模型(Fourier Dynamic Linear Model,FDLM);然后采用贝叶斯方法,基于动态监测极值应力数据,建立了无先验信息的贝叶斯傅里叶动态线性模型(Bayesian Fourier Dynamic Linear Model:BFDLM),进而对监测极值应力的一步向前预测分布参数和后验应力状态分布参数进行了预测分析;最后通过实际桥梁监测极值应力数据对本文所建模型和方法的合理性及适用性进行了验证分析,结果表明本文所建BFDLM能够反映桥梁极值应力的周期性、随机性以及动态性等特点.研究成果将为桥梁监测极值应力预测提供理论基础和应用方法.(本文来源于《湖南大学学报(自然科学版)》期刊2019年05期）
杨炜明,郭益敏[7]（2019）在《基于贝叶斯估计的空间Pair-copula预测模型及应用》一文中研究指出为了描述空间相关关系的复杂性,文章结合Pair-copula函数将空间相关结构分解成双变量之间的条件相关。对Pair-copula空间分析模型提出了边缘分布参数及相关结构参数的贝叶斯估计,结合实际数据探讨了高斯随机场下的先验分布选择问题,给出了未知参数后验分布函数。提出了基于Pair-copula函数的空间预测方法,并通过交叉验证,与传统空间预测方法的预测精度进行了比较。结果表明,Pair-copula空间预测方法在对复杂空间数据的分析上具有明显的优势。(本文来源于《统计与决策》期刊2019年10期）
杨静,邹梅,黄微[8]（2019）在《基于动态贝叶斯网络的网络舆情危机等级预测模型》一文中研究指出【目的/意义】本文利用动态贝叶斯网络构建网络舆情危机等级预测模型,为网络舆情危机预警系统提供理论支撑。【方法/过程】对网络舆情主体、客体与媒体叁个要素进行分析,构建网络舆情危机等级预测指标体系,在指标体系的基础上,构建了动态贝叶斯网络并完成了动态贝叶斯网络的训练。【结果/结论】本文以"教科书式老赖"为例,结合动态贝叶斯网络对其属性进行了分析,提出了对策与建议。(本文来源于《情报科学》期刊2019年05期）
赵毅[9]（2019）在《基于组合神经网络及贝叶斯模型的光伏输出功率预测》一文中研究指出由于化石能源引起的环境污染和气候变化,全世界范围内可再生能源的利用不断增加。作为当前最主要的可再生能源利用形式之一,近年来光伏发电发展迅速。但光伏发电受多种气象因素影响,具有显着的间歇性,光伏发电的快速发展给电网稳定性带来严峻的挑战,因此,开展光伏输出功率的短时精准预测研究,具有重要的意义。光伏发电预测一直是国内外研究的热点和难点,从传统的物理模型到数据驱动的人工神经网络,不同方法各具优势。人工神经网络预测模型拥有较强的自学习能力,且模型简洁,预测精度较高,逐渐成为光伏发电预测方法的发展趋势。为降低不确定性对发电预测造成的影响,本文对太阳辐射、光伏组件温度分别进行预测、估计,并在此基础上实现预测光伏发电的功率并计算其概率分布。具体来说,本论文主要包括以下叁部分工作:(1)集成了Elman神经网络模型(EANN)、极限学习机(ELM)及回声状态网络模型(ESN)等叁种不同的神经网络,建立组合神经网络模型,预测太阳辐射。首先基于云量及云的类型建立天气状态识别模型;其次,采用Pearson相关系数,分析辐射强度与环境温度、大气颗粒物等气象因素在不同天气条件下的相关性,选出特征向量;最后基于预测误差预测比较预测结果和测量数据。结果证明,本文构建的组合神经网络模型比单一预测模型的预测精度更高,得到的预测分布更集中,因此拥有更好的预测性能。(2)预测光伏组件的温度。首先对光伏组件进行传热分析,建立光伏组件温度与太阳辐射、环境温度及风速的非线性函数关系;其次,采用最小二乘法拟合组件温度,并利用陆地光伏组件的实测温度验证了拟合结果;最后基于灰色模型进行系数优化,将组件温度函数中的固定影响系数转化为变影响系数,建立天气因素与影响系数的定量关系,从而提高预测的精度。(3)研究光伏发电的不确定性。基于动态贝叶斯网络理论,研究光伏输出功率的概率分布。首先,将光辐射强度、组件温度预测值、历史功率值等光伏输出功率的特征因素作为贝叶斯预测模型的网络节点,构建短期光伏发电概率的预测模型;其次,在MATLAB环境下对模型求解,实现基于当前时刻的特征因素,预测下一时刻光伏发电功率及其概率分布。与传统点预测相比,定量描述光伏输出功率的不确定性,可以为电网电力调度与控制提供更全面的信息。(本文来源于《山东大学》期刊2019-04-04）
马彬[10]（2019）在《基于规则学习和朴素贝叶斯算法的软件缺陷预测模型研究》一文中研究指出软件缺陷是计算机系统、程序、代码段中存在的偏差,以静态的形式存在于软件内部,在运行时可能被激活的影响软件正常运行能力的隐藏问题和错误。软件缺陷伴随着软件开发的整个生命周期,随着软件规模不断增长,软件缺陷的数量呈上升趋势,软件缺陷的检测难度不断加大。软件缺陷将对各个领域造成严重的影响,所带来的损失难以估量。而人工代码审查在速度上和效率上,已经不能满足软件发展的需要,因此,更加高效的软件缺陷预测变得尤为重要。软件缺陷预测技术分析已有的软件历史数据,从中提取出程序模块并统计该模块的软件复杂度数据、开发过程数据和缺陷数据等作为软件度量元,选取与软件缺陷存在具有强相关性的软件度量元作为特征,使用某种机器学习算法基于上述特征构建软件缺陷预测模型。软件缺陷预测的目的在于利用某种方法对软件潜在缺陷进行预测,提前发现可能存在软件缺陷的代码段,预防软件缺陷的产生。软件缺陷预测一般分为静态预测和动态预测,静态预测主要是针对软件缺陷是否存在、缺陷的数量和分布等进行预测,动态预测主要是针对软件缺陷产生的周期、软件缺陷出现的时间分布等进行预测。本文从静态预测方面进行研究,应用机器学习算法预测软件模块是否存在缺陷。在这个研究领域中,应用的算法主要有随机森林、向量机、贝叶斯、字典学习等。朴素贝叶斯算法基于先验概率估算后验概率,计算复杂性低于决策树、向量机、神经网络等典型算法。数据集对模型预测效果的影响远远大于分类算法的选择。针对数据搜集过程中普遍存在数据缺失的问题,本文提出使用K-近邻算法对数据集中的缺失值进行填充。首先基于数据集中非缺失数据进行聚类;接着根据缺失数据样本与各类簇的欧氏距离,找到缺失数据样本属于的类簇;最后用该类簇的平均值填充缺失数据样本的缺失项,从而得到无缺失值的完整数据集。传统软件静态度量元并不都适于作为基于机器学习的软件缺陷预测模型的特征,且度量元的选择是软件缺陷预测中的重要环节。本文提出使用信息增益法对软件度量元进行选择,根据软件度量元所含有的信息量,选取对软件缺陷预测有较大信息贡献的度量元作为训练软件缺陷预测模型的特征。朴素贝叶斯模型的条件独立性假设会损失特征之间的相关性,针对软件缺陷预测的实际和朴素贝叶斯算法的不足,本文提出采用集成学习加权平均法的结合策略,基于规则学习对朴素贝叶斯模型改进。规则学习考虑了特征之间的组合性对预测结果的影响,有效弥补了朴素贝叶斯模型的不足。并从数据集缺失值处理、特征选择、类不平衡等方面进行了优化,有效提升了模型的预测效果。本文使用被广泛应用于缺陷预测技术中的NASA MDP数据集作为实验数据,进行了多次十折交叉验证。实验结果表明,基于规则学习和朴素贝叶斯算法的软件缺陷预测模型比朴素贝叶斯缺陷预测模型在查准率、查全率、f-measure、AUC值等评价指标上都有提升。与其他研究者的改进算法相比,本文提出的模型在软件缺陷预测中效果更好。(本文来源于《吉林大学》期刊2019-04-01）
贝叶斯预测模型论文开题报告
（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：
文章采用时变系数模型对中国股票市场的超额收益率进行预测,并结合贝叶斯模型平均的方法对各模型进行模型平均,得出稳健有效的预测结果。实证比较表明:(1)时变系数模型相比常系数模型具有更好的预测效果;(2)时变系数模型能帮助投资者在市场剧烈变化时迅速做出反应;(3)单变量情形下,宏观经济类变量具有更好的预测效果。
（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。
贝叶斯预测模型论文参考文献
[1].张燕.基于朴素贝叶斯的英语成绩预测模型构建研究[J].自动化技术与应用.2019
[2].杨光艺.贝叶斯模型平均下的时变系数预测回归模型[J].统计与决策.2019
[3].刘永鑫,金虹,罗鹏.基于贝叶斯理论的热环境不满意率预测模型[J].暖通空调.2019
[4].袁颖,谭丁,于少将,李杨,韩冰.基于贝叶斯正则化改进BP神经网络的页岩气有机碳含量预测模型[J].地质与勘探.2019
[5].白光晗,张云安.高等教育科研资源质量评价方法研究——基于贝叶斯网络模型的预测[J].教育现代化.2019
[6].樊学平,屈广,刘月飞.基于贝叶斯傅里叶动态模型的桥梁极值应力预测[J].湖南大学学报(自然科学版).2019
[7].杨炜明,郭益敏.基于贝叶斯估计的空间Pair-copula预测模型及应用[J].统计与决策.2019
[8].杨静,邹梅,黄微.基于动态贝叶斯网络的网络舆情危机等级预测模型[J].情报科学.2019
[9].赵毅.基于组合神经网络及贝叶斯模型的光伏输出功率预测[D].山东大学.2019
[10].马彬.基于规则学习和朴素贝叶斯算法的软件缺陷预测模型研究[D].吉林大学.2019