初始先验分布未知条件下的DLMR及其Bayes预测

讨论了具有无信息初始先验分布的矩阵变量动态线性模型 (简记为DLMR)及其Bayes预测 ,利用MDIP方法 ,就尺度方差阵∑已知和未知两种情况 ,分别给出模拟初始状态参数(θ1 |D0 )和 (θ1 ,∑ |D0 )的无信息先验分布 ,进而给出其Bayes预测。     

应力-强度模型的Bayes可靠性分析

当应力、强度分别服从于正态分布、指数分布和Weibull分布时 ,分析了应力 -强度模型的可靠性评估 ,着重讨论了无信息验前下的Bayes可靠性评估。仿真结果表明 ,无信息验前下的评估结论可以很好地用频率学派的观点来解释。     

改进Laplace先验下的复数域多任务贝叶斯压缩感知方法

为了将现有的实数域贝叶斯压缩感知方法推广至复数域,利用改进Laplace先验假设,提出了一种复数域多任务贝叶斯压缩感知(complex multitask Bayesian compressive sensing using modified Laplace priors, CMBCS-MLP)方法,消除了测量噪声方差的影响,并推导了一种基于递归操作的快速算法。数值仿真表明：针对复数域稀疏信号重构问题,相比于现有方法,所提CMBCS-MLP方法具有更好的精确性和鲁棒性。     

多元先验信息的融合问题

在多元先验信息条件下,运用Bayes理论讨论问题时,必然会遇到先验信息融合问题.文中提出了几种简化形式,并针对产品失效率的多个先验信息情形,结合实例与熵度量的拟合优度说明了该方法的合理性.