第一篇：貝葉演說

在諾曼底這片飽嘗戰(zhàn)爭之苦，具有光榮歷史的土地上，曾發(fā)生了歷史上最偉大的事件之一。貝葉和它周圍的地區(qū)成為這一史實(shí)的見證。這些地區(qū)也是完全有資格作為歷史見證的。在戰(zhàn)爭剛剛打響的時(shí)候，法國和它的盟軍遭到嚴(yán)重的挫敗。四年之后，就是在這里，他們發(fā)起反攻，為勝利揭開了序幕。從1940年6月18日起，那些從來沒有退讓的人們以法蘭西榮譽(yù)為己任，喚起民族意識(shí)，重新樹立起法蘭西的戰(zhàn)斗威力。正是在這里，他們以英勇的戰(zhàn)斗迎來了國家勝利的前景。

與此同時(shí)，也正是在這里，國家政權(quán)得以在祖先的土地上重新恢復(fù)。這是一個(gè)建立在民族利益和情感的基礎(chǔ)上的合法的政府。我們的國家受到敵人的奴役，但這只是一個(gè)表面。在奮起反抗的戰(zhàn)場上，在我們獲得的自由和勝利中才真正體現(xiàn)了國家的主權(quán)。這個(gè)政府沒有在物資的極度匱乏和政治的陰謀策劃中軟弱，保存了它的權(quán)利、尊嚴(yán)和威信；這個(gè)政府堅(jiān)持獨(dú)立自主，避免了外國干涉的命運(yùn)；這個(gè)政府重新恢復(fù)了國民團(tuán)結(jié)和帝國的團(tuán)結(jié)，集合祖國和法蘭西聯(lián)邦的一切力量，在盟軍的配合下取得了最后的勝利，與世界其它強(qiáng)國平等地坐在談判桌前，維護(hù)了國家秩序，主持了正義，領(lǐng)導(dǎo)人民重建家園。

這一偉大業(yè)績的實(shí)現(xiàn)與舊的政治體制絲毫無關(guān)，因?yàn)榫葒牧α縼碜杂谄渌胤?。它首先來自于民族?nèi)部自發(fā)涌現(xiàn)的精英。這些精英超越政黨和階級(jí)，全身心地投入到爭取法蘭西解放，恢復(fù)國家尊嚴(yán)和振興國家的事業(yè)中。他們有著高尚的道德情感，以英勇獻(xiàn)身的精神身先士卒，敢于冒險(xiǎn)，敢闖敢進(jìn)，蔑視一切焦躁恐懼，自命不凡和不切實(shí)際的幻想。這就是這些民族精英的內(nèi)心世界。他們看似微不足道，卻做出了巨大的犧牲，帶動(dòng)了整個(gè)法蘭西和它的帝國勇敢戰(zhàn)斗。

然而，沒有廣大民眾的支持，取得這場勝利也是不可能的。人民大眾在求生存和戰(zhàn)勝敵人的本能的鼓舞下，從始至終都認(rèn)為1940年的失敗只是一個(gè)小小的挫折，在這場世界大戰(zhàn)中，法國將始終沖鋒在最前列。盡管許多人在形勢面前屈服了，但是內(nèi)心深處真正甘心于失敗的人數(shù)只是微乎其微。法蘭西始終認(rèn)為敵人永遠(yuǎn)是敵人，救國的唯一途徑就是拿起武器，爭取自由。隨著欺騙的面紗被撕碎，在現(xiàn)實(shí)面前，深厚的民族情感油然而生。配帶洛林十字徽章的勇士所到之處，臨時(shí)拼湊的政府無不紛紛倒臺(tái)。盡管表面上看，這些政府是按照憲法成立的，但形同虛設(shè)。因?yàn)檫@是顛簸不破的真理。同樣，國家的政體如果沒有堅(jiān)實(shí)的基礎(chǔ)，就如同沙地造屋，在我們這個(gè)一向危機(jī)四伏的國家，也將會(huì)隨時(shí)崩潰。

所以，一旦我們?nèi)〉萌鎰倮?，維護(hù)了民族團(tuán)結(jié)，保全了國家的安危，接下來最緊要的任務(wù)就是建立一個(gè)全新的法國政治體制。所以，當(dāng)條件一旦許可，國家立即舉行了選舉，由法國人民推選出制憲會(huì)議成員，授予其權(quán)利，并明確規(guī)定職權(quán)范圍，以保證最終的決定權(quán)屬于人民。隨后，一旦火車進(jìn)入軌道，我們也就從舞臺(tái)上撤出。因?yàn)?，一方面，我們在?zhàn)爭中所象征的法蘭西的尊嚴(yán)屬于整個(gè)民族，決不能將其卷入到黨派的爭斗當(dāng)中；另一方面，也為避免在領(lǐng)導(dǎo)國家時(shí)，不因我的個(gè)人威望而影響立法委員們工作的正常進(jìn)行。

然而，法蘭西民族和它的聯(lián)邦還期待著一個(gè)為他們制定，能夠使他們心悅誠服的憲法。說實(shí)話，我們的體制尚待重建，這固然令人遺憾。然而，每個(gè)人一定會(huì)承認(rèn)，與其急于求成，粗制濫造，不如在平緩中求穩(wěn)定，求成功。

在不到兩代人的時(shí)間里，法國遭到七次侵略，更換過十三次政體。長期的動(dòng)蕩不安使國家的政治生活危機(jī)重重，也使高盧人由來已久的好分裂，喜爭斗的傾向愈演愈烈。我們國家剛剛經(jīng)歷過的這場前所未有的考驗(yàn)無疑又等于雪上加霜，使形勢更加惡劣。今天的世界里出現(xiàn)了兩種對(duì)立的意識(shí)形態(tài)。這種局面為法國的政黨紛爭又增添了極為不穩(wěn)定的因素。簡而言之，政黨對(duì)立成為國家政體的基本特征，政府已無法在任何問題上達(dá)成一致，國家的最高利益被棄置不顧。民族的個(gè)性，歷史的災(zāi)難及今天的動(dòng)蕩造成了這個(gè)不爭的事實(shí)。為了國家的未來和民主，我們必須正視現(xiàn)實(shí)，建立全新的政治體制，以維護(hù)法律的信譽(yù)，政府的團(tuán)結(jié)，行政管理的有效，國家的尊嚴(yán)與威望。

國家的動(dòng)蕩不安必然會(huì)導(dǎo)致公民對(duì)政體失去信心。在這種情況下，獨(dú)裁主義隨時(shí)有可能抬頭。而現(xiàn)代化社會(huì)中的從某種意義上講的機(jī)械化組織使得政府管理井然有序，各部門正常運(yùn)行已成為當(dāng)務(wù)之急，大勢所趨。這就更為獨(dú)裁的出現(xiàn)鋪平了道路。想一想我們的第一、第二和第三共和國是如何垮臺(tái)的？意大利民主，德國魏瑪共和國以及西班牙共和國是如何讓位給法西斯的？獨(dú)裁，是一種極大的冒險(xiǎn)，那么什么是獨(dú)裁？也許在一開始，獨(dú)裁對(duì)形勢有利。獨(dú)裁者的熱情高漲，被獨(dú)裁者俯首聽命，國家秩序嚴(yán)密有序，眾口一詞為政府歌功頌德，國家似乎恢復(fù)了生機(jī)與活力，與先前的無政府狀態(tài)形成強(qiáng)烈對(duì)比。然而，獨(dú)裁者的野心注定要無限制得膨脹。人民終究有一天會(huì)對(duì)束縛感到厭倦，重新渴望自由。作為補(bǔ)償，統(tǒng)治者不得不作出無限制的成功的許諾。國家成為一部瘋狂運(yùn)轉(zhuǎn)的機(jī)器。不論是對(duì)內(nèi)還是對(duì)外，所有的目的，風(fēng)險(xiǎn)和努力都漸漸超出了極限。不論是在國內(nèi)，還是在國外，每走一步都障礙重重。終于，彈簧繃斷了。龐大的國家機(jī)器在不幸和鮮血中倒塌了。國家重新處于分裂，其局勢比從前又更加嚴(yán)重。

我們只需回顧一下這段歷史就可理解在我們這個(gè)政治紛爭此起彼伏的國家建立一個(gè)與之相抗衡的新型民主政體是多么得必要。而且，在今天的時(shí)代和世界格局下，這還是一個(gè)涉及到國家生死存亡的問題，關(guān)系到法蘭西和法蘭西聯(lián)邦的獨(dú)立自主和生存發(fā)展。的確，各政黨各抒己見，并竭力通過選舉引導(dǎo)政府的行為和立法順應(yīng)他們的立場，這是民主生活的重要內(nèi)容。但是所有的原則和經(jīng)驗(yàn)都要求立法、行政和司法三大權(quán)力必須截然分開，相互平衡，并在此基礎(chǔ)上設(shè)立一個(gè)超越政黨的國家仲裁，以保證在政黨的傾軋中國家體制的長久不衰。

當(dāng)然，各項(xiàng)法律和預(yù)算的最終通過還須由直接普選的國民議會(huì)決定。這種方式產(chǎn)生的國民議會(huì)在立法的第一個(gè)階段也許還缺乏遠(yuǎn)見和客觀公正。因此，還需要另一個(gè)以另一種方式選舉和組成的議會(huì)對(duì)它提出的草案進(jìn)行公開審核，提出修改意見或其它方案。然而，如果國家大政方針的主要傾向在眾議院自然而然地體現(xiàn)出來的話，地方政治生活也同樣有其不同的傾向和權(quán)利。這既體現(xiàn)于法蘭西本土，體現(xiàn)于與法蘭西聯(lián)邦有著千絲萬縷的聯(lián)系的海外領(lǐng)地，還體現(xiàn)于有史以來就屬于法蘭克人的后代、我們在戰(zhàn)爭中得以收復(fù)的薩爾地區(qū)。生活在法蘭西國旗下的一億一千萬人民的前途就在于建立一個(gè)聯(lián)邦制政府。這個(gè)聯(lián)邦制政府的具體組織形式將隨著時(shí)間而明確制定。但是新的憲法應(yīng)該體現(xiàn)出這一精神，為它的發(fā)展打開道路。

因此，我們必須設(shè)立第二個(gè)議院。它的成員將主要由省議會(huì)和市議會(huì)進(jìn)行選舉。這個(gè)議院將作為第一議院的補(bǔ)充，并在必要的情況下促使第一個(gè)議院對(duì)它提出的草案進(jìn)行修改，或考慮其它方案，在法律制定程序中充分發(fā)揮行政秩序因素的作用。而這一點(diǎn)一個(gè)純政黨集團(tuán)勢必不會(huì)考慮。此外，在這一議院中，還應(yīng)推選出經(jīng)濟(jì)組織，家庭組織和知識(shí)界組織的代表參加，以保證國家的各行各業(yè)在議會(huì)中都可表達(dá)自己的意見。這一議院的成員與海外領(lǐng)地的地方議會(huì)議員將組成法蘭西聯(lián)邦大參議院，負(fù)責(zé)商討有關(guān)聯(lián)盟的法律法規(guī)，以及預(yù)算、外交、內(nèi)政、國防、經(jīng)濟(jì)和通訊等問題。

不言而喻，國家的行政權(quán)力將不來自這個(gè)執(zhí)行立法的兩院議會(huì)，否則將會(huì)導(dǎo)致權(quán)責(zé)混淆，而政府也將很快變成一個(gè)代表各自黨派的一個(gè)拼湊集團(tuán)。在今天的過渡期，也許還應(yīng)由制憲會(huì)議推選出臨時(shí)政府總理，因?yàn)樵谶@個(gè)一切都被推翻，從零開始的時(shí)候，還不存在一個(gè)合理的任命程序。但是這只能僅僅是一個(gè)暫時(shí)的安排。法國的政府必須團(tuán)結(jié)統(tǒng)一，有凝聚力，內(nèi)部協(xié)調(diào)一致，否則將很快失去它的權(quán)力和信譽(yù)。然而，如果行政權(quán)力來自于另一個(gè)權(quán)力機(jī)構(gòu)，并受其制約，如果政府在對(duì)代表國家的總統(tǒng)集體負(fù)責(zé)的同時(shí)，它的每一位成員實(shí)則只是其所屬的政黨的代言人，那么政府的團(tuán)結(jié)統(tǒng)一，凝聚力和協(xié)調(diào)一致將怎么能夠得以長期保持？

不言而喻，國家的行政權(quán)力將不來自這個(gè)執(zhí)行立法的兩院議會(huì)，否則將會(huì)導(dǎo)致權(quán)責(zé)混淆，而政府也將很快變成一個(gè)代表各自黨派的一個(gè)拼湊集團(tuán)。在今天的過渡期，也許還應(yīng)由制憲會(huì)議推選出臨時(shí)政府總理，因?yàn)樵谶@個(gè)一切都被推翻，從零開始的時(shí)候，還不存在一個(gè)合理的任命程序。但是這只能僅僅是一個(gè)暫時(shí)的安排。法國的政府必須團(tuán)結(jié)統(tǒng)一，有凝聚力，內(nèi)部協(xié)調(diào)一致，否則將很快失去它的權(quán)力和信譽(yù)。然而，如果行政權(quán)力來自于另一個(gè)權(quán)力機(jī)構(gòu)，并受其制約，如果政府在對(duì)代表國家的總統(tǒng)集體負(fù)責(zé)的同時(shí)，它的每一位成員實(shí)則只是其所屬的政黨的代言人，那么政府的團(tuán)結(jié)統(tǒng)一，凝聚力和協(xié)調(diào)一致將怎么能夠得以長期保持？

希臘人曾經(jīng)問智者索倫：“什么是最好的憲法？”智者回答說：“先告訴我這個(gè)憲法是為誰制定，為什么時(shí)期制定?！苯裉?，需要制定憲法的是法蘭西人民和法蘭西聯(lián)邦的人民。需要制定憲法的時(shí)期艱難危險(xiǎn)！我們要勇于接受現(xiàn)狀，坦然面對(duì)這個(gè)時(shí)代。我們要克服各種困難，完成國家的振興，使我們的每一位男女同胞生活更富足，讓他們感到安全與快樂，使我們的民族更昌盛，更強(qiáng)大，更團(tuán)結(jié)。我們要維護(hù)我們歷盡千辛萬苦才得以恢復(fù)的自由。在法蘭西前進(jìn)的道路上，在和平發(fā)展的道路上羈絆重重，我們要能把握住國家的命運(yùn)。我們要發(fā)揮全人類的智慧，竭盡所能地保護(hù)我們貧窮蒼老的母親，地球。我們要保持清醒的頭腦和堅(jiān)強(qiáng)的意志，制定并遵守國家生活的規(guī)則，以保證我們的團(tuán)結(jié)，不為隨時(shí)威脅我們的分裂主義所左右！人類的歷史就是一部由流離失所的人民的巨大苦痛和在一個(gè)強(qiáng)大政府領(lǐng)導(dǎo)下的自由民族的繁榮昌盛共同寫成的歷史。

第二篇：葉貝：守住精神的火種

守 衛(wèi) 精 神 的 火 種

九年（2）葉貝（指導(dǎo)教師：柯閩榕）老師、同學(xué)們：

大家好！今天我演講的題目是——《守 衛(wèi) 精 神 的 火 種》。

曾幾時(shí)，我對(duì)身邊朋友身在一個(gè)小農(nóng)村卻不亂扔垃圾且隨手把垃圾丟進(jìn)垃圾桶的習(xí)慣嗤之以鼻。朋友說，這是道德。我笑著反問，道德是什么?可以吃嗎？你道德了，別人不照樣扔垃圾？卻不想，那時(shí)的不屑，卻在時(shí)間的輾轉(zhuǎn)與朋友潛移默化的影響下變了模樣。而今，我堅(jiān)信：道德，是我們應(yīng)該永遠(yuǎn)堅(jiān)守的精神火種。

那么道德是什么？

道德就是貫穿我們學(xué)海生涯的那句——向雷鋒同志學(xué)習(xí)。時(shí)光在流逝，時(shí)代在變遷?？衫卒h精神卻永不退色，成為一個(gè)名詞，成為道德的詮釋。再細(xì)化一些：是被幫助時(shí)的一句感謝；是工作時(shí)一顆熱情的心；是默默無聞的奉獻(xiàn)；是??

高山仰止，景行（háng）行止。雷鋒，他是永恒的。不管是過去，今天還是將來。他的永恒，不在于巍峨地凝固于歷史深處，而是如流淌的清泉，在每個(gè)時(shí)代都澆灌出生命的花朵。

看，當(dāng)中華文明走過了歷史，走進(jìn)現(xiàn)代，新時(shí)代的雷鋒精神已成為了主流。你看，華夏大地涌現(xiàn)出一批平凡而偉大的人們。“最美女教師”張麗莉 在災(zāi)難猝臨，生死瞬間，毅然選擇了舍己救人!都說人生沒有彩排，即使面對(duì)那一刻，這也是她不變的選擇。用生命托舉“殲-15”的羅陽：出現(xiàn)身體不適，也沒有中途下艦，甚至都沒有去找醫(yī)護(hù)人員檢查，直至人生最后一刻。高淑珍用粗糙的手支起課桌，寬厚的背擋住風(fēng)雨。有了愛，小院里的孩子一天天茁壯起來。還有捐獻(xiàn)器官，成人之美的小天使何玥，有死守大漠、五十年如一日的林俊德------，他們心中那崇高偉大的道德力量，感天地、泣鬼神，他們在平凡生活中用道德的無上魅力感動(dòng)你我，感動(dòng)中國。道德模范的親身經(jīng)歷讓我們見證了他們用自已樸素的言行踐行了中華民族千百年來的行為準(zhǔn)則，讓我們看見雷鋒精神的光輝不朽地烙印在新時(shí)代的呼喚中！

有同學(xué)會(huì)說：學(xué)雷鋒，做有道德的人，要做這么偉大的事，我能行？我也曾有過這樣的困惑。后來老師告訴我們，在和平的今天，轟轟烈烈的英雄壯舉是道德之舉，平平凡凡的舉手投足也是道德之舉。你每做一件事情，每做一項(xiàng)工作，每說一句話，都和它有著千絲萬縷的聯(lián)系。待人接物時(shí),你是不是做到了文明禮貌?別人有困難時(shí),你能不能挺身而出?乘公共汽車時(shí)，你有沒有做到扶老攜幼???。愛家、愛校、愛身邊的人就是道德之舉的細(xì)微體現(xiàn)。如果這些你做到了，他做到了，我做到了，人人都做到了，我們的道德水平就會(huì)得到一次升華。必將使涓涓細(xì)流，匯成浩瀚大海。只要人人邁出一小步，世界便邁出一大步。

我明白了：

雷鋒變得大眾化。他可以是你，也可以是我，可以是每個(gè)人。有時(shí)，他叫“雷鋒車隊(duì)”、“雷鋒超市”、“雷鋒銀行”??有時(shí)，他在攙扶盲人過馬路；有時(shí)，他在為窮孩子送去哪怕是幾塊錢的溫暖，可沒有人知道他的名字??

雷鋒開始變得時(shí)代化。他在希望工程中，托起失學(xué)孩子求知的夢想；他在“母親水窖”活動(dòng)里，燃起西部缺水母親的希望??或者，他叫“志愿者”、“義工”。公共場所，他服務(wù)在民眾身旁；廢墟里，他沖在救災(zāi)一線；福利院里，他四處奔忙??

雷鋒也變得個(gè)性化。他可能是瞬間的雷鋒，也可能是一輩子的雷鋒，他可能是一個(gè)人的雷鋒，也可能是一群人的雷鋒??

他們不是雷鋒，他們又都是雷鋒。

康德曾說：“在這個(gè)世界上，有兩樣?xùn)|西值得我們仰望終生：一是我們頭頂上的璀璨的星空，二是人們心中高尚的道德?！毙强找蚱淞壤铄?，讓我們仰望和敬畏；道德因其莊嚴(yán)而圣潔，值得我們一生堅(jiān)守。讓我們學(xué)習(xí)雷鋒，做一個(gè)有道德的人！

第三篇：比較簡單的貝葉斯網(wǎng)絡(luò)總結(jié)

貝葉斯網(wǎng)絡(luò)

貝葉斯網(wǎng)絡(luò)是一系列變量的聯(lián)合概率分布的圖形表示。

一般包含兩個(gè)部分，一個(gè)就是貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)圖，這是一個(gè)有向無環(huán)圖（DAG），其中圖中的每個(gè)節(jié)點(diǎn)代表相應(yīng)的變量，節(jié)點(diǎn)之間的連接關(guān)系代表了貝葉斯網(wǎng)絡(luò)的條件獨(dú)立語義。另一部分，就是節(jié)點(diǎn)和節(jié)點(diǎn)之間的條件概率表（CPT），也就是一系列的概率值。如果一個(gè)貝葉斯網(wǎng)絡(luò)提供了足夠的條件概率值，足以計(jì)算任何給定的聯(lián)合概率，我們就稱，它是可計(jì)算的，即可推理的。3.5.1 貝葉斯網(wǎng)絡(luò)基礎(chǔ)

首先從一個(gè)具體的實(shí)例（醫(yī)療診斷的例子）來說明貝葉斯網(wǎng)絡(luò)的構(gòu)造。

假設(shè)：

命題S(moker)：該患者是一個(gè)吸煙者

命題C(oal Miner)：該患者是一個(gè)煤礦礦井工人

命題L(ung Cancer)：他患了肺癌

命題E(mphysema)：他患了肺氣腫

命題S對(duì)命題L和命題E有因果影響，而C對(duì)E也有因果影響。

命題之間的關(guān)系可以描繪成如右圖所示的因果關(guān)系網(wǎng)。

因此，貝葉斯網(wǎng)有時(shí)也叫因果網(wǎng)，因?yàn)榭梢詫⑦B接結(jié)點(diǎn)的弧認(rèn)為是表達(dá)了直接的因果關(guān)系。

圖3-5 貝葉斯網(wǎng)絡(luò)的實(shí)例

圖中表達(dá)了貝葉斯網(wǎng)的兩個(gè)要素：其一為貝葉斯網(wǎng)的結(jié)構(gòu)，也就是各節(jié)點(diǎn)的繼承關(guān)系，其二就是條件概率表CPT。若一個(gè)貝葉斯網(wǎng)可計(jì)算，則這兩個(gè)條件缺一不可。

貝葉斯網(wǎng)由一個(gè)有向無環(huán)圖（DAG）及描述頂點(diǎn)之間的概率表組成。其中每個(gè)頂點(diǎn)對(duì)應(yīng)一個(gè)隨機(jī)變量。這個(gè)圖表達(dá)了分布的一系列有條件獨(dú)立屬性：在給定了父親節(jié)點(diǎn)的狀態(tài)后，每個(gè)變量與它在圖中的非繼承節(jié)點(diǎn)在概率上是獨(dú)立的。該圖抓住了概率分布的定性結(jié)構(gòu)，并被開發(fā)來做高效推理和決策。

貝葉斯網(wǎng)絡(luò)能表示任意概率分布的同時(shí)，它們?yōu)檫@些能用簡單結(jié)構(gòu)表示的分布提供了可計(jì)算優(yōu)勢。

假設(shè)對(duì)于頂點(diǎn)xi，其雙親節(jié)點(diǎn)集為Pai，每個(gè)變量xi的條件概率P(xi|Pai)。則頂點(diǎn)集合X={x1,x2,…,xn}的聯(lián)合概率分布可如下計(jì)算：。

雙親結(jié)點(diǎn)。該結(jié)點(diǎn)得上一代結(jié)點(diǎn)。

該等式暗示了早先給定的圖結(jié)構(gòu)有條件獨(dú)立語義。它說明貝葉斯網(wǎng)絡(luò)所表示的聯(lián)合分布作為一些單獨(dú)的局部交互作用模型的結(jié)果具有因式分解的表示形式。

從貝葉斯網(wǎng)的實(shí)例圖中，我們不僅看到一個(gè)表示因果關(guān)系的結(jié)點(diǎn)圖，還看到了貝葉斯網(wǎng)中的每個(gè)變量的條件概率表（CPT）。因此一個(gè)完整的隨機(jī)變量集合的概率的完整說明不僅包含這些變量的貝葉斯網(wǎng)，還包含網(wǎng)中變量的條件概率表。

圖例中的聯(lián)合概率密度：

P(S,C,L,E)=P(E|S,C)*P(L|S)*P(C)*P(S)

推導(dǎo)過程：P(S,C,L,E)=P(E|S,C,L)*P(L|S,C)*P(C|S)*P(S)（貝葉斯定理）

＝P(E|S,C)*P(L|S)*P(C)*P(S)

即：P(E|S,C,L)＝ P(E|S,C), E與L無關(guān)

P(L|S,C)= P(L|S)

L與C無關(guān)

P(C|S)=P(C)

C與S無關(guān)

以上三條等式的正確性，可以從貝葉斯網(wǎng)的條件獨(dú)立屬性推出：每個(gè)變量與它在圖中的非繼承節(jié)點(diǎn)在概率上是獨(dú)立的。

相比原始的數(shù)學(xué)公式：

P(S,C,L,E)=P(E|S,C,L)*P(L|S,C)*P(C|S)*P(S)

推導(dǎo)過程：

由貝葉斯定理，P(S,C,L,E)=P(E|S,C,L)*P(S,C,L)

再由貝葉斯定理 P(S,C,L)= P(L|S,C)* P(S,C)

同樣，P(S,C)=P(C|S)*P(S)

以上幾個(gè)等式相乘即得原式。

顯然，簡化后的公式更加簡單明了，計(jì)算復(fù)雜度低很多。如果原貝葉斯網(wǎng)中的條件獨(dú)立語義數(shù)量較多，這種減少更加明顯。

貝葉斯網(wǎng)絡(luò)是一系列變量的聯(lián)合概率分布的圖形表示。這種表示法最早被用來對(duì)專家的不確定知識(shí)編碼，今天它們在現(xiàn)代專家系統(tǒng)、診斷引擎和決策支持系統(tǒng)中發(fā)揮了關(guān)鍵作用。貝葉斯網(wǎng)絡(luò)的一個(gè)被經(jīng)常提起的優(yōu)點(diǎn)是它們具有形式的概率語義并且能作為存在于人類頭腦中的知識(shí)結(jié)構(gòu)的自然映像。這有助于知識(shí)在概率分布方面的編碼和解釋，使基于概率的推理和最佳決策成為可能。3.5.2 貝葉斯網(wǎng)的推理模式

在貝葉斯網(wǎng)中有三種重要的推理模式，因果推理（由上向下推理），診斷推理（自底向上推理）和辯解。3．5．2．1 因果推理

讓我們通過概述的實(shí)例來說明因果推理得過程。給定患者是一個(gè)吸煙者（S），計(jì)算他患肺氣腫（E）的概率P(E|S)。S稱作推理的證據(jù)，E叫詢問結(jié)點(diǎn)。

首先，我們尋找E的另一個(gè)父結(jié)點(diǎn)（C），并進(jìn)行概率擴(kuò)展

P(E|S)=P(E,C|S)+P(E,~C|S);

即，吸煙的人得肺氣腫的概率為吸煙得肺氣腫又是礦工的人的概率與吸煙得肺氣腫不是礦工的人的概率之和，也就是全概率公式。

然后利用Bayes定理：

P(E|S)=P(E|C,S)*P(C|S)+P(E|~C,S)*P(~C|S);公式解釋：P(E,C|S)＝P(E,C,S)/P(S)

＝P(E|C,S)*P(C,S)/P(S)(貝葉斯定理)

＝P(E|C,S)*P(C|S)(反向利用貝葉斯定理)同理可以得出P(E,~C|S)的推導(dǎo)過程。

需要尋找該表達(dá)式的雙親結(jié)點(diǎn)的條件概率，重新表達(dá)聯(lián)合概率（指P(E,C|S)，P(E,~C|S)）。在圖中，C和S并沒有雙親關(guān)系，符合條件獨(dú)立條件：

P(C|S)=P(C)，P(~C|S)= P(~C)，由此可得：

P(E|S)= P(E|S,C)*P(C)+P(E|~C,S)*P(~C)

如果采用概述中的例題數(shù)據(jù)，則有P(E|S)＝0.9*0.3+0.3*(1-0.3)=0.48

從這個(gè)例子中，不難得出這種推理的主要操作：

1）按照給定證據(jù)的V和它的所有雙親的聯(lián)合概率，重新表達(dá)給定證據(jù)的詢問結(jié)點(diǎn)的所求條件概率。

2）回到以所有雙親為條件的概率，重新表達(dá)這個(gè)聯(lián)合概率。

3）直到所有的概率值可從CPT表中得到，推理完成。3．5．2．2 診斷推理

同樣以概述中的例題為例，我們計(jì)算“不得肺氣腫的不是礦工”的概率P(~C|~E),即在貝葉斯網(wǎng)中，從一個(gè)子結(jié)點(diǎn)計(jì)算父結(jié)點(diǎn)的條件概率。也即從結(jié)果推測一個(gè)起因，這類推理叫做診斷推理。使用Bayes公式就可以把這種推理轉(zhuǎn)換成因果推理。

P(~C|~E)＝P(~E|~C)*P(~C)/P(~E)，從因果推理可知

P(~E|~C)= P(~E,S|~C)+P(~E,~S|~C)

= P(~E|S,~C)*P(S)+P(~E|~S,~C)*P(~S)

=(1-0.3)*0.4+(1-0.10)*(1-0.4)=0.82;由此得：

P(~C|~E)＝P(~E|~C)*P(~C)/ P(~E)(貝葉斯公式)

＝0.82*(1-0.3)/ P(~E)

＝0.574/ P(~E)同樣的，P(C|~E)＝P(~E|C)* P(C)/ P(~E)

＝0.34*0.3/ P(~E)

＝0.102 /P(~E)由于全概率公式：

P(~C|~E)+P(C|~E)＝1 代入可得

P(~E)=0.676

所以，P(~C|~E)＝0.849

這種推理方式主要利用Bayes規(guī)則轉(zhuǎn)換成因果推理。3．5．2．3 辯解

如果我們的證據(jù)僅僅是～E（不是肺氣腫），象上述那樣，我們可以計(jì)算～C患者不是煤礦工人的概率。但是如果也給定～S（患者不是吸煙者），那么～C也應(yīng)該變得不確定。這種情況下，我們說～S解釋～E，使～C變得不確定。這類推理使用嵌入在一個(gè)診斷推理中的因果推理。

作為思考題，讀者可以沿著這個(gè)思路計(jì)算上式。在這個(gè)過程中，貝葉斯規(guī)則的使用，是辯解過程中一個(gè)重要的步驟。3.5.3 D分離

在本節(jié)最開始的貝葉斯網(wǎng)圖中，有三個(gè)這樣的結(jié)點(diǎn)：S，L，E。從直觀來說，L的知識(shí)（結(jié)果）會(huì)影響S的知識(shí)（起因），S會(huì)影響E的知識(shí)（另一個(gè)結(jié)果）。因此，在計(jì)算推理時(shí)必須考慮的相關(guān)因素非常多，大大影響了算法的計(jì)算復(fù)雜度，甚至可能影響算法的可實(shí)現(xiàn)性。但是如果給定原因S，L并不能告訴我們有關(guān)E的更多事情。即對(duì)于S，L和E是相對(duì)獨(dú)立的，那么在計(jì)算S和L的關(guān)系時(shí)就不用過多地考慮E，將會(huì)大大減少計(jì)算復(fù)雜度。這種情況下，我們稱S能D分離L和E。D分離是一種尋找條件獨(dú)立的有效方法。

如下圖，對(duì)于給定的結(jié)點(diǎn)集ε，如果對(duì)貝葉斯網(wǎng)中的結(jié)點(diǎn)Vi和Vj之間的每個(gè)無向路徑，在路徑上有某個(gè)結(jié)點(diǎn)Vb，如果有屬性：

1）Vb在ε中，且路徑上的兩條弧都以Vb為尾（即弧在Vb處開始（出發(fā)））

2）Vb在ε中，路徑上的一條弧以Vb為頭，一條以Vb為尾

3）Vb和它的任何后繼都不在ε中，路徑上的兩條弧都以Vb為頭（即弧在Vb處結(jié)束）

則稱Vi和Vj 被Vb結(jié)點(diǎn)阻塞。

結(jié)論：如果Vi和Vj被證據(jù)集合ε中的任意結(jié)點(diǎn)阻塞，則稱Vi和Vj是被ε集合D分離，結(jié)點(diǎn)Vi和Vj條件獨(dú)立于給定的證據(jù)集合ε，即

P(Vi|Vj,ε)＝P(Vi|ε)

P(Vj|Vi,ε)＝P(Vj|ε)

表示為：I(Vi,Vj|ε)或I(Vj,Vi|ε)

無向路徑：DAG圖是有向圖，所以其中的路徑也應(yīng)該是有向路徑，這里所指的無向路徑是不考慮DAG圖中的方向性時(shí)的路徑。

條件獨(dú)立：如具有以上三個(gè)屬性之一，就說結(jié)點(diǎn)Vi和Vj條件獨(dú)立于給定的結(jié)點(diǎn)集ε。

阻塞：給定證據(jù)集合ε，當(dāng)上述條件中的任何一個(gè)滿足時(shí)，就說Vb阻塞相應(yīng)的那條路徑。

D分離：如果Vi和Vj之間所有的路徑被阻塞，就叫證據(jù)集合ε可以D分離Vi和Vj

注意：在論及路徑時(shí)，是不考慮方向的；在論及“頭”和“尾”時(shí)，則必須考慮弧的方向?！邦^”的含義是箭頭方向（有向弧）的終止點(diǎn)，“尾”的含義是箭頭方向（有向?。┑钠鹗键c(diǎn)。

回到最開始的醫(yī)療診斷實(shí)例：為簡單起見，選擇證據(jù)集合ε為單個(gè)結(jié)點(diǎn)集合。

對(duì)于給定的結(jié)點(diǎn)S，結(jié)點(diǎn)E阻塞了結(jié)點(diǎn)C和結(jié)點(diǎn)L之間的路徑，因此C和L是條件獨(dú)立的，有I（C，L|S）成立。

而對(duì)于給定結(jié)點(diǎn)E，S和L之間找不到阻塞結(jié)點(diǎn)。因此，S和L不是條件獨(dú)立的。

即使使用了D分離，一般地講，在貝葉斯網(wǎng)中，概率推理仍是NP難題。然而，有些簡化能在一個(gè)叫Polytree的重要網(wǎng)絡(luò)分類中使用。一個(gè)Polytree網(wǎng)是一個(gè)DAG，在該DAG的任意兩個(gè)結(jié)點(diǎn)間，順著弧的每一個(gè)方向只有一條路徑。如圖就是一個(gè)典型的Polytree。圖3-7 Polytree

D分離的實(shí)質(zhì)就是尋找貝葉斯網(wǎng)中的條件獨(dú)立語義，以簡化推理計(jì)算。

總結(jié)

本節(jié)就Bayes網(wǎng)絡(luò)的基本問題進(jìn)行了闡述，著重點(diǎn)在推理計(jì)算上。其本質(zhì)就是通過各種方法尋找網(wǎng)絡(luò)中的條件獨(dú)立性，達(dá)到減少計(jì)算量和復(fù)雜性的目的。這些都只是粗淺的描述，進(jìn)一步的學(xué)習(xí)，請(qǐng)參考相應(yīng)的參考書的“olytree的概率推理”和“Bayes網(wǎng)的學(xué)習(xí)和動(dòng)作”等章節(jié)，其中有很詳細(xì)的闡述。

第四篇：貝葉斯分類多實(shí)例分析總結(jié)

用于運(yùn)動(dòng)識(shí)別的聚類特征融合方法和裝置

提供了一種用于運(yùn)動(dòng)識(shí)別的聚類特征融合方法和裝置，所述方法包括：將從被采集者的加速度信號(hào)中提取的時(shí)頻域特征集的子集內(nèi)的時(shí)頻域特征表示成以聚類中心為基向量的線性方程組；通過求解線性方程組來確定每組聚類中心基向量的系數(shù)；使用聚類中心基向量的系數(shù)計(jì)算聚類中心基向量對(duì)子集的方差貢獻(xiàn)率；基于方差貢獻(xiàn)率計(jì)算子集的聚類中心的融合權(quán)重；以及基于融合權(quán)重來獲得融合后的時(shí)頻域特征集。

加速度信號(hào) ?時(shí)頻域特征

?以聚類中心為基向量的線性方程組 ?基向量的系數(shù) ?方差貢獻(xiàn)率 ?融合權(quán)重

基于特征組合的步態(tài)行為識(shí)別方法

本發(fā)明公開了一種基于特征組合的步態(tài)行為識(shí)別方法，包括以下步驟：通過加速度傳感器獲取用戶在行為狀態(tài)下身體的運(yùn)動(dòng)加速度信息；從上述運(yùn)動(dòng)加速度信息中計(jì)算各軸的峰值、頻率、步態(tài)周期和四分位差及不同軸之間的互相關(guān)系數(shù)；采用聚合法選取參數(shù)組成特征向量；以樣本集和步態(tài)加速度信號(hào)的特征向量作為訓(xùn)練集，對(duì)分類器進(jìn)行訓(xùn)練，使的分類器具有分類步態(tài)行為的能力；將待識(shí)別的步態(tài)加速度信號(hào)的所有特征向量輸入到訓(xùn)練后的分類器中，并分別賦予所屬類別，統(tǒng)計(jì)所有特征向量的所屬類別，并將出現(xiàn)次數(shù)最多的類別賦予待識(shí)別的步態(tài)加速度信號(hào)。實(shí)現(xiàn)簡化計(jì)算過程，降低特征向量的維數(shù)并具有良好的有效性的目的。

傳感器

—> 加速度信息

–> 峰值、頻率、步態(tài)周期、四分位、相關(guān)系數(shù)-?聚合法-?特征向量

?樣本及和步態(tài)加速度信號(hào)的特征向量 作為訓(xùn)練集 ?分類器具有分類步態(tài)行為的能力

基于貝葉斯網(wǎng)絡(luò)的核心網(wǎng)故障診斷方法及系統(tǒng)

本發(fā)明公開了一種基于貝葉斯網(wǎng)絡(luò)的核心網(wǎng)故障診斷方法及系統(tǒng)，該方法從核心網(wǎng)的故障受理中心采集包含有告警信息和故障類型的原始數(shù)據(jù)并生成樣本數(shù)據(jù)，之后存儲(chǔ)到后備訓(xùn)練數(shù)據(jù)集中進(jìn)行積累，達(dá)到設(shè)定的閾值后放入訓(xùn)練數(shù)據(jù)集中；運(yùn)用貝葉斯網(wǎng)絡(luò)算法對(duì)訓(xùn)練數(shù)據(jù)集中的樣本數(shù)據(jù)進(jìn)行計(jì)算，構(gòu)造貝葉斯網(wǎng)絡(luò)分類器；從核心網(wǎng)的網(wǎng)絡(luò)管理系統(tǒng)采集含有告警信息的原始數(shù)據(jù)，經(jīng)貝葉斯網(wǎng)絡(luò)分類器計(jì)算獲得告警信息對(duì)應(yīng)的故障類型。本發(fā)明，利用貝葉斯網(wǎng)絡(luò)分類器構(gòu)建故障診斷系統(tǒng)，實(shí)現(xiàn)了對(duì)錯(cuò)綜復(fù)雜的核心網(wǎng)故障進(jìn)行智能化的系統(tǒng)診斷功能，提高了診斷的準(zhǔn)確性和靈活性，并且該系統(tǒng)構(gòu)建于網(wǎng)絡(luò)管理系統(tǒng)之上，易于實(shí)施，對(duì)核心網(wǎng)綜合信息處理具有廣泛的適應(yīng)性。

告警信息和故障類型 ?訓(xùn)練集

—>貝葉斯網(wǎng)絡(luò)分類器

—>訓(xùn)練(由告警信息獲得對(duì)應(yīng)的故障類型)

一種MapReduce并行化大數(shù)據(jù)文本分類方法

一種MapReduce并行化大數(shù)據(jù)文本分類方法，包括如下步驟：第一步：建立用于文本分類的基準(zhǔn)測試數(shù)據(jù)集，進(jìn)行數(shù)據(jù)預(yù)處理，包括分詞、去停用詞、詞根還原；將該基準(zhǔn)測試數(shù)據(jù)集隨機(jī)劃分為訓(xùn)練文本和測試文本，將所述基準(zhǔn)測試數(shù)據(jù)集采用向量空間模型建立文本表示模型；第二步：根據(jù)上述文本表示模型采用CDMT對(duì)所述基準(zhǔn)測試數(shù)據(jù)集進(jìn)行特征選擇；第三步：采用貝葉斯分類器對(duì)所述基準(zhǔn)測試數(shù)據(jù)集進(jìn)行訓(xùn)練學(xué)習(xí)，得到分類結(jié)果。本發(fā)明提供一種分類性能良好、區(qū)分度較高的MapReduce并行化大數(shù)據(jù)文本分類方法。

文本分類的基準(zhǔn)測試數(shù)據(jù)集

?數(shù)據(jù)預(yù)處理：分詞、去停用詞、詞根還原 ?訓(xùn)練文本和測試文本 ?向量模型建立文本表示模型 ?CDMT對(duì)基準(zhǔn)進(jìn)行特征選擇 ?貝葉斯分類器

?分類結(jié)果

基于貝葉斯分類器的股票中長期趨勢預(yù)測方法及系統(tǒng)

本發(fā)明涉及一種基于貝葉斯分類器的股票中長期趨勢預(yù)測方法，包括：股票數(shù)據(jù)的選取，確定各個(gè)起始點(diǎn)及區(qū)間長度dj；劃分區(qū)間，計(jì)算出歷史數(shù)據(jù)區(qū)間斜率；對(duì)歷史數(shù)據(jù)區(qū)間斜率進(jìn)行學(xué)習(xí)并對(duì)置信度判斷區(qū)間進(jìn)行預(yù)測，得到以置信度判斷區(qū)間起始點(diǎn)為起點(diǎn)的多個(gè)交易日的股票均價(jià)；計(jì)算置信度，將置信度與預(yù)先設(shè)定好的閾值進(jìn)行比較；預(yù)測未來區(qū)間斜率,將未來區(qū)間斜率轉(zhuǎn)化得到以預(yù)測區(qū)間起始點(diǎn)為起點(diǎn)的多個(gè)交易日的股票均價(jià)；將以預(yù)測區(qū)間起始點(diǎn)為起點(diǎn)的多個(gè)交易日的股票均價(jià)的漲跌進(jìn)行歸一化，得到股票的漲跌值；構(gòu)建股票池。本發(fā)明避免了產(chǎn)生累積誤差，展現(xiàn)出了在預(yù)測區(qū)間內(nèi)的股票趨勢變化，更好地捕捉了股市波動(dòng)變化趨勢，更加有效地評(píng)估了交易風(fēng)險(xiǎn)。

?股票數(shù)據(jù)選取

—>確定各個(gè)起始點(diǎn)及區(qū)間長度--->區(qū)間斜率

-?學(xué)習(xí)并置信度區(qū)間測試-?股票均價(jià)-?置信度

-?預(yù)先設(shè)定好的閾值比較

一種數(shù)據(jù)分類的方法及裝置

本發(fā)明提供了一種數(shù)據(jù)分類的方法及裝置，該方法包括：預(yù)先設(shè)置多個(gè)數(shù)據(jù)的標(biāo)識(shí)；根據(jù)樣本數(shù)據(jù)確定每一種標(biāo)識(shí)對(duì)應(yīng)的分類規(guī)則；按組獲取待標(biāo)識(shí)的數(shù)據(jù)；將所述每組待標(biāo)識(shí)的數(shù)據(jù)遍歷所有分類規(guī)則；計(jì)算每種所述分類規(guī)則匹配的當(dāng)前組中待標(biāo)識(shí)的數(shù)據(jù)的匹配個(gè)數(shù)；確定匹配個(gè)數(shù)最大的分類規(guī)則對(duì)應(yīng)的標(biāo)識(shí)為當(dāng)前組待標(biāo)識(shí)的數(shù)據(jù)的標(biāo)識(shí)。通過本發(fā)明提供的一種數(shù)據(jù)分類的方法及裝置，能夠提高標(biāo)識(shí)數(shù)據(jù)的效率。

多數(shù)據(jù)的標(biāo)識(shí)

—>確定每種標(biāo)識(shí)的分類規(guī)則 —>待標(biāo)識(shí)數(shù)據(jù)遍歷分類規(guī)則

—>計(jì)算每種分類規(guī)則匹配當(dāng)前組中標(biāo)識(shí)的數(shù)據(jù)匹配個(gè)數(shù)

-?確定匹配個(gè)數(shù)最大的分類規(guī)則對(duì)應(yīng)的標(biāo)識(shí)為當(dāng)前組待標(biāo)識(shí)的數(shù)據(jù)的標(biāo)識(shí)。

一種移動(dòng)自組網(wǎng)路由節(jié)點(diǎn)行為預(yù)測方法

本發(fā)明給出一種移動(dòng)自組網(wǎng)路由節(jié)點(diǎn)行為預(yù)測方法，該方法首先選擇合適的移動(dòng)自組路由屬性，設(shè)置模糊鄰近關(guān)系，然后根據(jù)此原則對(duì)記錄進(jìn)行分類，最后使用貝葉斯分類器進(jìn)行預(yù)測，評(píng)估路由節(jié)點(diǎn)的行為。本發(fā)明的目的是提供一種移動(dòng)自組網(wǎng)路由節(jié)點(diǎn)行為預(yù)測方法，解決移動(dòng)自組網(wǎng)路由節(jié)點(diǎn)行為預(yù)測問題，建立一種基于貝葉斯的預(yù)測方法，通過現(xiàn)有的數(shù)據(jù)分析，對(duì)移動(dòng)自組網(wǎng)路由節(jié)點(diǎn)行為進(jìn)行預(yù)測，提高移動(dòng)自組網(wǎng)的運(yùn)行效率。

移動(dòng)自組路由屬性 —>設(shè)置模糊鄰近關(guān)系

—>然后根據(jù)此原則對(duì)記錄進(jìn)行分類 —>貝葉斯預(yù)測

一種基于改進(jìn)貝葉斯算法的安卓惡意軟件檢測方法

本發(fā)明給出了一種基于改進(jìn)貝葉斯算法的安卓惡意軟件檢測的方法，通過改進(jìn)貝葉斯算法對(duì)安卓惡意程序和良性程序的特征屬性進(jìn)行分析和分類，實(shí)現(xiàn)一種基于改進(jìn)貝葉斯算法的惡意軟件檢測方法，從應(yīng)用程序權(quán)限申請(qǐng)的角度出發(fā)，判斷分析是否為惡意軟件。該方法是利用安卓權(quán)限請(qǐng)求機(jī)制中權(quán)限請(qǐng)求標(biāo)簽作為檢測的數(shù)據(jù)源。在此提出利用權(quán)限請(qǐng)求標(biāo)簽組合方式用于區(qū)分惡意軟件和良性軟件，利用改進(jìn)的貝葉斯算法做出檢測模型，改進(jìn)的貝葉斯體現(xiàn)在其對(duì)數(shù)據(jù)源的屬性之間的考慮了相互的獨(dú)立性，這樣再利用樸素貝葉斯分類器進(jìn)行數(shù)據(jù)建模，大大提高了檢測指標(biāo)，提高了檢測的正確率，以及減少了誤報(bào)率。

?利用權(quán)限請(qǐng)求標(biāo)簽作為檢測標(biāo)準(zhǔn)

?權(quán)限請(qǐng)求標(biāo)簽組合方式區(qū)分 惡意軟件和良性軟件 ?貝葉斯算法檢測 ?樸素貝葉斯分類器建模

微博分類方法及裝置

本發(fā)明公開了一種微博分類方法及裝置。該方法包括：步驟1，對(duì)訓(xùn)練語料集合進(jìn)行預(yù)處理，對(duì)預(yù)處理后的訓(xùn)練語料進(jìn)行分詞，獲取候選特征，并對(duì)候選特征進(jìn)行權(quán)重計(jì)算，根據(jù)權(quán)重計(jì)算結(jié)果進(jìn)行特征選擇，獲取最終的分類特征；步驟2，根據(jù)最終的分類特征，采用貝葉斯分類器進(jìn)行模型訓(xùn)練，獲取分類模型；步驟3，采用貝葉斯分類器根據(jù)分類模型對(duì)微博文檔進(jìn)行分類。借助于本發(fā)明的技術(shù)方案，提高了分類的召回率與準(zhǔn)確率。

訓(xùn)練語料集合 ?預(yù)處理 ?

一種城市軌道交通客流高峰持續(xù)時(shí)間預(yù)測方法

本發(fā)明公開了一種城市軌道交通客流高峰持續(xù)時(shí)間預(yù)測方法，包括以下步驟：首先選擇足夠樣本量的歷史客流數(shù)據(jù)，然后對(duì)原始數(shù)據(jù)進(jìn)行處理，處理過程包括流量統(tǒng)計(jì)、高峰時(shí)間計(jì)算、數(shù)據(jù)清洗、數(shù)據(jù)區(qū)間分類，接著建立關(guān)聯(lián)客流高峰事件屬性集，接著計(jì)算每一個(gè)區(qū)間的客流高峰事件的概率分布，再使用貝葉斯分類的方法確定屬性分類界限，最后對(duì)每一類客流高峰事件建立時(shí)間序列模型，并對(duì)方法的有效性進(jìn)行檢驗(yàn)。本發(fā)明可用于預(yù)測城市軌道交通常發(fā)和突發(fā)的客流高峰事件的持續(xù)時(shí)間，為軌道交通企業(yè)的客流高峰管理提供數(shù)據(jù)支持，能緩解通行能力浪費(fèi)和服務(wù)水平降低的矛盾，跟隨軌道交通客流的變化。

原始數(shù)據(jù)—（流量統(tǒng)計(jì)、高峰時(shí)間計(jì)算、數(shù)據(jù)清晰、數(shù)據(jù)區(qū)間分類）--關(guān)聯(lián)客流高峰事件屬性集 – 概率分布 – 貝葉斯分類—時(shí)間序列模型

一種基于Android平臺(tái)的入侵檢測系統(tǒng)

本發(fā)明公開了一種基于Android平臺(tái)的入侵檢測系統(tǒng)，主要由三部分組成，即數(shù)據(jù)提取模塊、數(shù)據(jù)分析引擎和響應(yīng)處理模塊；其中數(shù)據(jù)提取模塊主要是對(duì)Android系統(tǒng)手機(jī)的主體活動(dòng)信息進(jìn)行特征提??；數(shù)據(jù)分析引擎是利用檢測算法對(duì)提取和整理的數(shù)據(jù)進(jìn)行分析，判斷是否存在入侵行為或者異常行為；響應(yīng)處理模塊則根據(jù)數(shù)據(jù)分析引擎的分析結(jié)果執(zhí)行相應(yīng)的處理操作；該入侵檢測系統(tǒng)通過對(duì)手機(jī)的資源使用情況、進(jìn)程信息和網(wǎng)絡(luò)流量實(shí)時(shí)監(jiān)控，并使用貝葉斯分類器算法判斷系統(tǒng)是否被入侵，通過該入侵檢測系統(tǒng)能夠有效地檢測Android手機(jī)的異常。

數(shù)據(jù)提取：特征提取 數(shù)據(jù)分析： 響應(yīng)處理：

一種利用相關(guān)系數(shù)進(jìn)行相關(guān)性分析的貝葉斯分類數(shù)據(jù)挖掘方法

公開了一種利用相關(guān)系數(shù)進(jìn)行相關(guān)性分析的貝葉斯分類數(shù)據(jù)挖掘方法。初步選定一些可能與目標(biāo)因子具有相關(guān)性的預(yù)測因子，對(duì)預(yù)測因子和目標(biāo)因子進(jìn)行模型訓(xùn)練，再對(duì)訓(xùn)練結(jié)果利用相關(guān)系數(shù)進(jìn)行相關(guān)性分析，如果預(yù)測因子和目標(biāo)因子相關(guān)性不大或者不相關(guān)，可以立即終止貝葉斯分類算法，不再進(jìn)行后面的精度評(píng)估等步驟，以便用戶保留有關(guān)預(yù)測因子，去掉無關(guān)預(yù)測因子或者重新選定預(yù)測因子；如果預(yù)測因子和目標(biāo)因子相關(guān)性很大或者相關(guān)時(shí)，再在此基礎(chǔ)上進(jìn)行精度評(píng)估，評(píng)價(jià)貝葉斯分類算法的好壞。通過在分類模型的基礎(chǔ)上進(jìn)行相關(guān)性判斷，不僅可以使分類預(yù)測結(jié)果更加可靠，而且可以節(jié)約資源，提高算法的效率。

預(yù)測因子和目標(biāo)因子—模型訓(xùn)練 – 相關(guān)性分析

一種基于改進(jìn)貝葉斯的軌道交通故障識(shí)別方法及系統(tǒng)

本發(fā)明公開了一種基于改進(jìn)貝葉斯的軌道交通故障識(shí)別方法及系統(tǒng)。本方法為：1）根據(jù)交通設(shè)備的電路結(jié)構(gòu)確定每一交通設(shè)備的各種故障模式及對(duì)應(yīng)的監(jiān)測量，并針對(duì)每一故障模式及對(duì)應(yīng)的監(jiān)測量建立一故障模型；2）根據(jù)故障模型識(shí)別出監(jiān)測數(shù)據(jù)之間的父子關(guān)系，得到標(biāo)準(zhǔn)故障樣本數(shù)據(jù)；3）利用標(biāo)準(zhǔn)故障樣本數(shù)據(jù)，采用貝葉斯算法進(jìn)行訓(xùn)練，得到故障識(shí)別模型；每一故障模式的故障識(shí)別模型中父節(jié)點(diǎn)的權(quán)重要大于子節(jié)點(diǎn)的權(quán)重；4）實(shí)時(shí)監(jiān)測和采集交通設(shè)備的各種所述監(jiān)測量，并記錄其時(shí)序；5）利用故障識(shí)別模型對(duì)數(shù)據(jù)進(jìn)行識(shí)別，確定出對(duì)應(yīng)的故障。本發(fā)明提高了故障識(shí)別的準(zhǔn)確率，縮短故障修復(fù)時(shí)間，設(shè)備可故障自診斷，從運(yùn)維和設(shè)備兩方面保障行車安全。

一種基于樸素貝葉斯分類器的假指紋檢測方法

一種基于樸素貝葉斯分類器的假指紋檢測方法，包括以下步驟：1）訓(xùn)練庫劃分；2）圖像歸一化；3）特征提取；3.1）離散小波變換；3.2）去噪；3.3）小波重構(gòu)；3.4）噪聲圖估計(jì)；3.5）標(biāo)準(zhǔn)差圖計(jì)算；3.6）劃分標(biāo)準(zhǔn)差圖，統(tǒng)計(jì)得到圖像的特征；4）特征劃分；5）分類器訓(xùn)練；6）分類器性能評(píng)估；7）分類器融合：利用樸素貝葉斯分類器構(gòu)造的方法，融合得到新的分類器。本發(fā)明對(duì)單個(gè)分類器性能要求不高，但分類器融合后的效果卻可以非常好。

一種基于主題網(wǎng)絡(luò)爬蟲的搜索方法及裝置

本發(fā)明公開了一種基于主題網(wǎng)絡(luò)爬蟲的搜索方法及裝置，所述方法包括：從與給定搜索主題相關(guān)的網(wǎng)頁地址集中提取一個(gè)網(wǎng)頁地址；獲取所述網(wǎng)頁地址對(duì)應(yīng)的有效網(wǎng)頁；對(duì)所述有效網(wǎng)頁進(jìn)行分析，得到有效網(wǎng)頁內(nèi)容；計(jì)算所述有效網(wǎng)頁與搜索主題在語義上的相關(guān)度，即立即價(jià)值，并將符合預(yù)設(shè)條件的有效網(wǎng)頁及包含的網(wǎng)頁鏈接添加到頁面數(shù)據(jù)庫；對(duì)于不符合預(yù)設(shè)條件的有效網(wǎng)頁，計(jì)算網(wǎng)頁鏈接相對(duì)于所述搜索主題的鏈接價(jià)值，即未來回報(bào)價(jià)值，并將符合條件的網(wǎng)頁鏈接添加到網(wǎng)頁地址集中。本發(fā)明實(shí)施例通過計(jì)算不滿足條件的網(wǎng)頁鏈接的未來回報(bào)價(jià)值，來預(yù)測主題網(wǎng)絡(luò)爬蟲的搜索方向，從而避免了主題網(wǎng)絡(luò)爬蟲對(duì)無關(guān)網(wǎng)頁的抓取，提高了主題網(wǎng)絡(luò)爬蟲抓取網(wǎng)頁的準(zhǔn)確性。

一種軟件需求分析量化方法及系統(tǒng)//預(yù)計(jì)分析工單處理時(shí)長

一種軟件需求分析量化方法及系統(tǒng)，包括：樣本獲取模塊以基本過程為分類對(duì)象，獲取分類器的樣本，每一樣本中，待分類項(xiàng)的特征屬性值根據(jù)歷史數(shù)據(jù)中一基本過程的特征屬性的取值確定，輸出類別根據(jù)歷史數(shù)據(jù)中該基本過程的開發(fā)時(shí)間確定；分類器生成模塊利用獲取的樣本作為訓(xùn)練樣本訓(xùn)練分類器模型，生成分類器；分類模塊在確定軟件需求劃分成的基本過程的各項(xiàng)特征屬性取值后，利用所述分類器進(jìn)行分類，得到相應(yīng)的輸出類別即開發(fā)時(shí)間。本發(fā)明利用歷史數(shù)據(jù)生成分類器，并引入功能點(diǎn)所屬模塊類型的特征,可以更為準(zhǔn)確地估算軟件開發(fā)時(shí)間，對(duì)量化軟件開發(fā)過程，控制軟件生命周期有良好效果。

基于分布式多級(jí)聚類的話題檢測裝置及方法

本發(fā)明公開了一種基于分布式多級(jí)聚類的話題檢測裝置及方法，該裝置主要包括新聞采集模塊、新聞分類模塊、話題檢測模塊和話題整合模塊以及話題展示模塊；該方法包括：題檢測方法，其特征在于，該方法包括：A、對(duì)新聞進(jìn)行采集的步驟；B、對(duì)所述新采集的新聞進(jìn)行分類的步驟；C、對(duì)各頻道并行地進(jìn)行多級(jí)聚類的步驟；D、計(jì)算所有話題的熱度，篩選出全系統(tǒng)內(nèi)的熱點(diǎn)話題和每個(gè)頻道內(nèi)的熱點(diǎn)話題。采用本發(fā)明，能夠解決在互聯(lián)網(wǎng)環(huán)境中大量文檔快速更新的條件下，話題檢測面臨的檢測效果與時(shí)間開銷的尖銳矛盾。

一種基于協(xié)同訓(xùn)練的垃圾郵件過濾方法和裝置 本發(fā)明實(shí)施例提供了一種基于協(xié)同訓(xùn)練的垃圾郵件過濾方法和裝置，方法包括：輸入待過濾的郵件集合；根據(jù)郵件集合得到每個(gè)樣本的特征向量，其中一個(gè)樣本對(duì)應(yīng)一封郵件；將每個(gè)樣本的特征向量劃分為第一特征向量子集和第二特征向量子集，第一特征向量子集中的特征來源于郵件頭信息，第二特征向量子集中的特征來源于郵件內(nèi)容信息；將第一特征向量子集和第二特征向量子集分別作為每個(gè)樣本的第一視角和第二視角；利用第一視角和第二視角進(jìn)行基于貝葉斯分類器的協(xié)同訓(xùn)練得到最終的第一分類器和第二分類器；根據(jù)第一分類器和第二分類器對(duì)垃圾郵件進(jìn)行分類過濾。本發(fā)明實(shí)施例可以在樣例較少的情況下更加有效地對(duì)大規(guī)模數(shù)據(jù)進(jìn)行分類預(yù)測和過濾。

待過濾郵件集合?每個(gè)樣本的特征向量—>2個(gè)特征子集（頭和內(nèi)容）?2個(gè)視角—>利用NB得到兩個(gè)分類器?過濾

場景分類器模型分析報(bào)告

目的

利用樸素貝葉斯分類器建立故障工單范圍內(nèi)，區(qū)分有效和無效工單。

業(yè)務(wù)分析

模式提取分析，預(yù)處理，算法輸入和參數(shù)設(shè)置，輸出，解釋說明

術(shù)語說明

數(shù)據(jù)采集

數(shù)據(jù)預(yù)處理

算法步驟

SPSS驗(yàn)證和結(jié)果解釋

問題

<協(xié)同分析，智能過濾> <垃圾郵件，關(guān)聯(lián)取詞> <神經(jīng)網(wǎng)絡(luò)，支持向量機(jī)>

第五篇：經(jīng)濟(jì)統(tǒng)計(jì)學(xué) 貝葉斯估計(jì)對(duì)可靠性的分析

質(zhì)量管理統(tǒng)計(jì)結(jié)課論文

題目： 貝葉斯估計(jì)對(duì)可靠性的分析

學(xué) 院 統(tǒng)計(jì)學(xué)院

專 業(yè) 經(jīng)濟(jì)統(tǒng)計(jì)學(xué)

班 級(jí) 經(jīng)濟(jì)統(tǒng)計(jì)學(xué)1903

學(xué) 號(hào) 20191724320

姓 名 董君澤

二Ｏ二一年十二月

貝葉斯估計(jì)對(duì)可靠性的分析---------------------------從先驗(yàn)概率和后驗(yàn)概率來對(duì)產(chǎn)品可靠性的分析

摘要

貝葉斯對(duì)產(chǎn)品可靠性的估計(jì)在企業(yè)中有著重要的應(yīng)用，我們需要用貝葉斯估計(jì)來檢驗(yàn)一個(gè)產(chǎn)品是否可靠，我們可以通過對(duì)可靠性的檢驗(yàn)淘汰不可靠的設(shè)備、產(chǎn)品，保留可靠的設(shè)備產(chǎn)品，從而使得企業(yè)的效益最大化。

關(guān)鍵詞：貝葉斯估計(jì)，產(chǎn)品的可靠性，企業(yè)的效益

ABSTRACT

Bayesian estimation have an important role in company,we need to use Bayesian estimation to examine wheather a product is reliable.Key words:Bayesian estimation,the raliance of products,theeconomic efficiency of commecial enterprises

目錄

一、有關(guān)可靠性的基本知識(shí)

（一）可靠性工程概論

（二）可靠性的度量

二、可靠性中常用的壽命分布

三、系統(tǒng)可靠性模型

（一）串聯(lián)系統(tǒng)的可靠性模型

（二）并聯(lián)系統(tǒng)的可靠性模型

（三）串并聯(lián)模型

（四）并串聯(lián)模型

（五）可靠性檢驗(yàn)的必要性

四、基于貝葉斯網(wǎng)絡(luò)的多狀態(tài)系統(tǒng)可靠性評(píng)估

（一）簡述貝葉斯網(wǎng)絡(luò)

（二）貝葉斯推斷

（三）貝葉斯假定

（四）貝葉斯估計(jì)的核心思想

五、結(jié)語

六、參考文獻(xiàn)

一、有關(guān)可靠性的基本知識(shí)

（一）可靠性工程概論

1.1可靠性工程概論

（二）可靠性的度量

1.1.2影響可靠性的因素

所謂可靠性就是“不易發(fā)生故障的程度”

影響產(chǎn)品的可靠性因素有很多，我們了解了可靠性因素，就能從這些方面來提高產(chǎn)品的可靠性

1.2.1可靠度

產(chǎn)品在規(guī)定的條件下、規(guī)定的時(shí)間內(nèi)能完成規(guī)定功能概率叫做產(chǎn)品的可靠度，有時(shí)也可成為生存概率，對(duì)于一種產(chǎn)品來說，它在規(guī)定的條件和功能下，其可靠度是時(shí)間的函數(shù)，1.2.2可靠性的度量

1、可靠性的估計(jì)量R(t)=Ns(t)/N

2、累積失效概率F（t)=N-Ns(t)/N

3、失效概率f(t)=ΔNf(t)/NΔt

4、失效率 入(t)=Nf(t+Δt)-Nf(t)/Ns(t)Δt=ΔNf(t)/Ns(t)Δt

失效率的三種類型：1、早期失效

1、偶然失效

2、耗散失效

平均壽命：1、不可維修產(chǎn)品

2、可維修產(chǎn)品

可靠壽命：給定可靠度R，從R(t)=P(T＞t）中反解出t的1值

中位壽命：給定可靠度為50%時(shí)的壽命

二、可靠性中常用的壽命分布

1、正態(tài)分布

2、對(duì)數(shù)正態(tài)分布

3、I型極小值分布

三、系統(tǒng)可靠性模型

（一）串聯(lián)系統(tǒng)的可靠性模型

RR 日日日日日日日日R1

R1

----------------------------------------事件As和Ai的關(guān)系

As=A1A2......An

事件As系統(tǒng)正常工作的事件

事件Ai第i個(gè)單元正常工作的事件

若各事件相互獨(dú)立P（As)=P（A1A2.....An)=P(A1)P(A2).....P（An)

（二）并聯(lián)系統(tǒng)的可靠性模型

時(shí)間As和Ai為系統(tǒng)和單元正常工作

時(shí)間AS’和Ai’為系統(tǒng)和單元不正常工作

As=A1∪A2∪....∪An

P（As)=P(A1∪A2U.....∪An）

（三）串并聯(lián)系統(tǒng)

（四）并串聯(lián)系統(tǒng)

（五）可靠性檢驗(yàn)的必要性

1.首先是高科技的需要

2.政治的需要

3.經(jīng)濟(jì)效益的需要，如果在一家企業(yè)的運(yùn)營過程中，產(chǎn)品的可靠性出現(xiàn)了問題，這樣不僅對(duì)企業(yè)的經(jīng)濟(jì)效益造成了損失，并且對(duì)企業(yè)的名譽(yù)也會(huì)造成很大的損傷，眾所周知，金杯銀杯不如老百姓的口碑，只有樹立起口碑，一個(gè)企業(yè)才有了立根之本。

四、基于貝葉斯網(wǎng)絡(luò)的多狀態(tài)系統(tǒng)可靠性評(píng)估

（一）簡述貝葉斯網(wǎng)絡(luò)：BN是一種對(duì)概率關(guān)系的有向圖解描述，他提供了一種將知識(shí)直覺地圖解圖解可視化的方法。BN是一個(gè)有向無環(huán)圖，該圖由代表變量的結(jié)點(diǎn)及鏈接這些結(jié)點(diǎn)的有向邊構(gòu)成。其中結(jié)點(diǎn)代表論域中的變量，有向弧代表變量間的關(guān)系（即影響概率），通過圖形表達(dá)不確定性知識(shí)，通過CPD的注釋，可以在模型中表達(dá)局部條件的依賴性。按照貝葉斯公式給出的條件概率定義P(AlB)=P(BlA)P(A)/P(B)，在此式中，P（B)為先驗(yàn)概率，P(AlB)為后驗(yàn)概率。BN具有條件獨(dú)立性，能夠雙向推理，它不但可以實(shí)現(xiàn)正向推理，由先驗(yàn)概率推導(dǎo)出后驗(yàn)概率，即由原因?qū)С鼋Y(jié)果，還可利用公式由后驗(yàn)概率推導(dǎo)出先驗(yàn)概率，即由原因?qū)С鼋Y(jié)果。

（二）貝葉斯推斷:從貝葉斯觀點(diǎn)看，后驗(yàn)分布集總體信息、樣本信息和先驗(yàn)信息于一體，全面描述了參數(shù)的概率分布，因此有關(guān)參數(shù)的點(diǎn)估計(jì)、區(qū)間估計(jì)、假設(shè)檢驗(yàn)等統(tǒng)計(jì)推斷應(yīng)該從后驗(yàn)按需要提取有關(guān)的信息。

1.貝葉斯點(diǎn)估計(jì)

參數(shù)的點(diǎn)估計(jì)可選用后驗(yàn)分布的某個(gè)位置的特征數(shù)。常用的由如下三種形式：

1.后驗(yàn)期望

2.后驗(yàn)中位數(shù)

3.后驗(yàn)眾數(shù)

2.對(duì)貝葉斯估計(jì)的評(píng)價(jià)

評(píng)價(jià)一個(gè)貝葉斯估計(jì)的好壞，最好的方法是考察參數(shù)的均方誤差。MSE(參數(shù)的估計(jì)lx)=E參數(shù)lx(參數(shù)的估計(jì)-參數(shù))平方，成為后驗(yàn)均方差。

評(píng)價(jià)貝葉斯估計(jì)的時(shí)候不需要“無偏性”，因?yàn)樨惾~斯推斷是基于后驗(yàn)分布的統(tǒng)計(jì)推斷，這意味著只考慮已出現(xiàn)的數(shù)據(jù)（樣本觀測值），而推斷與未出現(xiàn)的數(shù)據(jù)無關(guān)

3.貝葉斯區(qū)間估計(jì)

P（a≤θ≤bIx）=1-α若給定概率1-α，要找一個(gè)區(qū)間[a,b] 使上式成立，這樣求得的區(qū)間就是貝葉斯區(qū)間估計(jì)，又稱為可信區(qū)間。

（三）貝葉斯假定

1.在產(chǎn)品的使用壽命服從指數(shù)分布的情況下，進(jìn)行I型截尾的步進(jìn)應(yīng)力加速壽命實(shí)驗(yàn)，而指數(shù)分布參數(shù)入的先驗(yàn)分布為服從伽馬函數(shù)，研究了在二次損失函數(shù)下的貝葉斯估計(jì)及在歷史樣本的條件下的經(jīng)驗(yàn)貝葉斯估計(jì)。

2.基本假定:在正常應(yīng)力So和加速應(yīng)力S1＜S2....＜Sk下，產(chǎn)品頂點(diǎn)壽命服從指數(shù)分布

產(chǎn)品平均壽命Q與所加應(yīng)力水平之間S有如下關(guān)系lnθ=a+bo(S)

由Nelson原理，產(chǎn)品的剩余壽命僅依賴于當(dāng)時(shí)已累積的部分和當(dāng)時(shí)的應(yīng)力水平，而與累積方式無關(guān)。即在應(yīng)力水平Si下產(chǎn)品的工作時(shí)間ti內(nèi)的累積失效概率相當(dāng)于此種產(chǎn)品在應(yīng)力水平Si下產(chǎn)品工作某一時(shí)間內(nèi)的累積失效概率

設(shè)總體分布（產(chǎn)品的使用壽命）服從指數(shù)分布

假定5 由對(duì)入進(jìn)行貝葉斯估計(jì)，引起的損失函數(shù)取平方損失函數(shù)

(四）貝葉斯估計(jì)的核心思想

如果要用貝葉斯估計(jì)來估計(jì)產(chǎn)品的可靠性，我們用實(shí)際的例子來說明

目的：通過貝葉斯估計(jì)來估計(jì)產(chǎn)品的可靠性

我們對(duì)于人的可靠的認(rèn)知是：這個(gè)人能夠說到做到，言必信，行必果。同樣一臺(tái)機(jī)器設(shè)備，當(dāng)人們要求它工作時(shí)，它就會(huì)工作則說他是可靠的；而當(dāng)人們要求它工作時(shí)，它不按照人們的意愿工作，則說明它是不可靠的。對(duì)產(chǎn)品而言，產(chǎn)品的可靠性越高，產(chǎn)品可以無故障工作的時(shí)間就越長。我們需要用貝葉斯估計(jì)來檢驗(yàn)一個(gè)產(chǎn)品是否可靠，我們可以通過對(duì)可靠性的檢驗(yàn)淘汰不可靠的設(shè)備、產(chǎn)品，保留可靠的設(shè)備產(chǎn)品，從而使得企業(yè)的效益最大化。產(chǎn)品是否可靠，這是一個(gè)企業(yè)最關(guān)心的問題，如果產(chǎn)品可靠，那么企業(yè)可以繼續(xù)生產(chǎn)該商品，消費(fèi)者對(duì)產(chǎn)品的使用體驗(yàn)也是很滿足的；如果產(chǎn)品不可靠，那么企業(yè)可以挑選出這些不可靠的產(chǎn)品，避免產(chǎn)品流入市場，被消費(fèi)者購買，從而造成不好的購物體驗(yàn)，這樣也會(huì)提升一個(gè)企業(yè)的口碑，使企業(yè)的效益最大化。

步驟一:設(shè)定先驗(yàn)概率

現(xiàn)在假設(shè)你是企業(yè)產(chǎn)品可靠性的檢驗(yàn)者，有一批產(chǎn)品到你手中需要經(jīng)過能打檢驗(yàn)才能投入市場，此時(shí)你就要去判斷這批產(chǎn)品是否是可靠的。我們通過考察可靠度來判斷產(chǎn)品的可靠性。通過對(duì)大量產(chǎn)品進(jìn)行可靠度的檢測，產(chǎn)品在規(guī)定的時(shí)間內(nèi)，在規(guī)定的條件下完成預(yù)定功能的能力，我們從耐久度入手研究。我們需要通過對(duì)產(chǎn)品耐久的分析，將產(chǎn)品分為耐久產(chǎn)品即可靠的產(chǎn)品和非耐久產(chǎn)品即非可靠的產(chǎn)品，然后判斷產(chǎn)品是可靠產(chǎn)品和非可靠產(chǎn)品的概率各是多少，在貝葉斯估計(jì)中，這種屬于某種類別的概率叫做“先驗(yàn)概率”，先驗(yàn)的意思是：在獲得某種信息之前。也就是說在我們對(duì)產(chǎn)品的耐久度做測驗(yàn)這件事沒有發(fā)生之前，對(duì)產(chǎn)品類型做一個(gè)預(yù)先判斷。通常先驗(yàn)概率可以通過經(jīng)驗(yàn)進(jìn)行判斷。根據(jù)工作人員的經(jīng)驗(yàn)，平均每五個(gè)產(chǎn)品里面就有一個(gè)是非可靠產(chǎn)品，也就是說非可靠產(chǎn)品占總產(chǎn)品的0.2，那么剩下的可靠產(chǎn)品的部分就占0.8.這兩個(gè)數(shù)字就是產(chǎn)品類型的“先驗(yàn)概率”。

步驟二：設(shè)置“能夠連續(xù)工作超過24小時(shí)”事件的條件概率

這里我們要做的是：為可靠產(chǎn)品和不可靠產(chǎn)品分別設(shè)定“能夠連續(xù)工作超過24小時(shí)”事件的概率，上一步提到，即使沒有相關(guān)經(jīng)驗(yàn)，我們也可以設(shè)定先驗(yàn)概率。但是此時(shí)的“能夠連續(xù)工作超過24小時(shí)”事件必須是經(jīng)過測試統(tǒng)計(jì)出來的數(shù)據(jù)

從上圖可以看出，“可靠產(chǎn)品”能夠連續(xù)工作24小時(shí)的概率是0.9，而“不可靠產(chǎn)品”能夠連續(xù)工作24小時(shí)的概率只有0.3，表格中的數(shù)字表示“某一特定類別（A和B）采取某種行動(dòng)的概率”這個(gè)概率就是我們提到的條件概率。接著我們將兩種類別的產(chǎn)品，進(jìn)一步按照能否連續(xù)工作24小時(shí)的條件進(jìn)行分類，可以分成四個(gè)小類別1、可靠產(chǎn)品能夠連續(xù)工作2

4小時(shí)2、可靠產(chǎn)品不能夠連續(xù)工作24小時(shí)3、不可靠產(chǎn)品連續(xù)工作24小時(shí)4、不可靠產(chǎn)品不能連續(xù)工作24小時(shí)

第一種類別的概率為:0.2X0.9=0.18

第二種類別的概率為：0.2X0.1=0.02

第三種類別的概率為：0.8X0.3=0.24

第四種類別的概率為:0.8X0.7=0.56

四種類別的概率總和為1

步驟三：通過實(shí)驗(yàn)的情況，排除不可能行為

現(xiàn)在你就是檢驗(yàn)員，你此時(shí)面臨的情況是：產(chǎn)品能夠連續(xù)工作24小時(shí)，這也意味著你觀察到了產(chǎn)品的情況，這就為“可能的情況”添加了一種限制條件。這條限制條件的影響就是，你可以不用考慮那些沒有連續(xù)工作24小時(shí)的產(chǎn)品了。上一個(gè)步驟提到，產(chǎn)品可以分為可靠產(chǎn)品和不可靠產(chǎn)品兩類，而這兩種產(chǎn)品可以有兩種情況，即能夠連續(xù)工作24小時(shí)和不能夠連續(xù)工作24小時(shí)，這樣我們一開始構(gòu)建的可能事件就由兩種情況擴(kuò)展到四種情況了。而此時(shí)的你又檢測到了能夠連續(xù)工作24小時(shí)這一情況，因此你可以無視掉那些不能夠連續(xù)工作24小時(shí)的可能性了，可能事件由于限制條件的改變，四種情況就變成了兩種情況。這樣消失了兩種可能性，那伴隨著這種可能性的消失，帶來的影響就是：概率會(huì)發(fā)生變化。

步驟四：推導(dǎo)合格產(chǎn)品的貝葉斯逆概率

上一步驟中，檢測到能夠連續(xù)工作24小時(shí)這一情況以后，我們從四種可能情況變成了兩種情況即：現(xiàn)在的產(chǎn)品要么是可靠產(chǎn)品能夠連續(xù)工作24小時(shí)和不可靠產(chǎn)品能夠連續(xù)工作24小時(shí)，只剩下這兩種可能性了，可靠產(chǎn)品能夠連續(xù)工作24小時(shí)的概率為0.24，不可靠產(chǎn)品能夠連續(xù)工作24小時(shí)0.18。我們要對(duì)概率數(shù)值進(jìn)行標(biāo)準(zhǔn)化處理，即所有概率和為1，所以合格產(chǎn)品能夠連續(xù)工作24小時(shí)為4/7，不合格能夠連續(xù)工作24小時(shí)3/7。我們可以看出，不合格產(chǎn)品能夠連續(xù)工作24小時(shí)的概率為3/7。這個(gè)概率被稱為貝葉斯逆概率，也成為后驗(yàn)概率，逆概率是從最終的概率結(jié)果來反推原因，所以被稱為逆改率。

一開始我們對(duì)產(chǎn)品是可靠產(chǎn)品還是不可靠產(chǎn)品的概率判斷2：8，而我們經(jīng)過貝葉斯統(tǒng)計(jì)方法，并且觀察到能夠連續(xù)工作24小時(shí)這一行為后，可靠產(chǎn)品的概率的概率就提升至原來的兩倍以上，這種更新操作就叫做貝葉斯更新。所以，貝葉斯推理可以簡單的總結(jié)為：通過觀察到的某個(gè)“行為”，將先驗(yàn)概率轉(zhuǎn)換為后驗(yàn)概率的一種操作。

五、總結(jié)

我們需要用貝葉斯估計(jì)來檢驗(yàn)一個(gè)產(chǎn)品是否可靠，我們可以通過對(duì)可靠性的檢驗(yàn)淘汰不可靠的設(shè)備、產(chǎn)品，保留可靠的設(shè)備產(chǎn)品，從而使得企業(yè)的效益最大化。產(chǎn)品是否可靠，這是一個(gè)企業(yè)最關(guān)心的問題，如果產(chǎn)品可靠，那么企業(yè)可以繼續(xù)生產(chǎn)該商品，消費(fèi)者對(duì)產(chǎn)品的使用體驗(yàn)也是很滿足的；如果產(chǎn)品不可靠，那么企業(yè)可以挑選出這些不可靠的產(chǎn)品，避免產(chǎn)品流入市場，被消費(fèi)者購買，從而造成不好的購物體驗(yàn)，這樣也會(huì)提升一個(gè)企業(yè)的口碑，使企業(yè)的效益最大化。

六、文獻(xiàn)

[1]對(duì)系統(tǒng)可靠性工程的再認(rèn)識(shí).侯海梅.寧云暉，20102010中國電子學(xué)會(huì)可靠性分會(huì)第十五屆可靠性學(xué)術(shù)年會(huì)

[2]可靠性工程的發(fā)展與應(yīng)用.楊艷妮.薛蓮.殷維剛.宋亞男.王首臻，2010中國國防科技質(zhì)量與可靠性高峰

[3]可靠性工程簡史——兼論“誰是我國可靠性工程奠基人”.盛志森，2008中國電子學(xué)會(huì)可靠性分會(huì)第十四屆學(xué)術(shù)年會(huì)

[4]推進(jìn)以故障解決為中心的裝備可靠性工程.王華.向剛.張桂元，20102010中國電子學(xué)會(huì)可靠性分會(huì)第十五屆可靠性學(xué)術(shù)年會(huì)

可靠度的度量引用有針對(duì)性的可靠性工程實(shí)驗(yàn).胡林忠