期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于扩展HTN的不确定作战任务分解 被引量:4
1
作者 俞锦涛 肖兵 崔玉竹 《火力与指挥控制》 CSCD 北大核心 2023年第9期20-25,共6页
作战任务分解是对作战总体任务的具体表示,在复杂多变的战争环境下,研究作战任务分解的辅助决策框架很有必要。针对任务分解中存在的不确定性问题,通过对作战任务规范化描述,建立作战任务要素和任务关系的描述框架,在此基础上构建领域... 作战任务分解是对作战总体任务的具体表示,在复杂多变的战争环境下,研究作战任务分解的辅助决策框架很有必要。针对任务分解中存在的不确定性问题,通过对作战任务规范化描述,建立作战任务要素和任务关系的描述框架,在此基础上构建领域知识相关的任务数据库;为解决多方法和变粒度等不确定问题,提出一种扩展层次任务网络(HTN)的不确定任务分解方法,通过作战约束和效用值选优获得最优分解结果。以海上联合作战为例,说明所提方法的可行性和有效性。 展开更多
关键词 层次任务网络 任务分解 不确定性 规范建模
在线阅读 下载PDF
响应变量随机缺失下偏正态众数混合专家模型的参数估计 被引量:1
2
作者 鲁钰 吴刘仓 王格格 《应用数学》 北大核心 2023年第2期474-486,共13页
数据缺失是众多影响数据质量的因素中最常见的一种.若缺失数据处理不当,将直接影响分析结果的可靠性,进而达不到分析的目的.本文针对随机缺失偏正态数据,研究了偏正态众数混合专家模型的参数估计.将众数回归插补与聚类相结合,提出分层... 数据缺失是众多影响数据质量的因素中最常见的一种.若缺失数据处理不当,将直接影响分析结果的可靠性,进而达不到分析的目的.本文针对随机缺失偏正态数据,研究了偏正态众数混合专家模型的参数估计.将众数回归插补与聚类相结合,提出分层众数回归插补方法.利用机器学习插补和统计学插补的方法,进一步比较研究三种机器学习插补方法:支持向量机插补、随机森林插补和神经网络插补,三种统计学插补方法:分层均值插补、众数回归插补和分层众数回归插补的缺失数据处理效果.通过Monte Carlo模拟和实例分析结果表明,分层众数回归插补的优良性. 展开更多
关键词 缺失偏正态数据 众数混合专家模型 支持向量机插补 随机森林插补 BP神经网络插补 分层众数回归插补
在线阅读 下载PDF
幂幂损失下正约束参数的贝叶斯估计量及其应用
3
作者 张应应 荣腾中 李曼曼 《应用概率统计》 CSCD 北大核心 2023年第2期159-177,共19页
所提出的幂幂损失函数对参数过大或过小具有均衡收敛速度或惩罚,具有本文列出的所有七个性质,因此建议用于正限制参数空间.然后在幂幂损失函数下计算参数的贝叶斯估计量、后验风险、综合风险和贝叶斯风险.接着,我们在一个分层正态–正... 所提出的幂幂损失函数对参数过大或过小具有均衡收敛速度或惩罚,具有本文列出的所有七个性质,因此建议用于正限制参数空间.然后在幂幂损失函数下计算参数的贝叶斯估计量、后验风险、综合风险和贝叶斯风险.接着,我们在一个分层正态–正态逆伽玛模型下解析地计算了这些量.最后,数值模拟验证了我们的理论研究. 展开更多
关键词 贝叶斯估计量 正约束参数空间 幂幂损失函数 后验期望损失 分层正态–正态逆伽玛模型
在线阅读 下载PDF
篮球运动员投球命中率预测与仿真
4
作者 曹蕾 张志强 《长春工业大学学报》 CAS 2021年第5期394-398,共5页
基于篮球运动员数据,采用双水平收缩估计和SURE收缩估计预测投球命中率,并进行了4个方面(后卫、前锋、中锋和所有运动员)对比分析。首先给出贝叶斯框架下的双水平收缩估计模型,先验分布中包含投球命中率相关信息(如身高、体重等);然后... 基于篮球运动员数据,采用双水平收缩估计和SURE收缩估计预测投球命中率,并进行了4个方面(后卫、前锋、中锋和所有运动员)对比分析。首先给出贝叶斯框架下的双水平收缩估计模型,先验分布中包含投球命中率相关信息(如身高、体重等);然后基于最小化风险函数的无偏估计得到超参数估计值,从而得到收缩估计。 展开更多
关键词 收缩估计 SURE估计方法 双水平正态分层模型
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部