导读:本文包含了贝叶斯条件概率论文开题报告文献综述及选题提纲参考文献，主要关键词:配电网,弹性,极端气象,历史数据仿真
贝叶斯条件概率论文文献综述
陈颖,刘冰倩,朱淑娟,李博达,李俊均[1]（2019）在《极端气象条件下配电网大范围停电贝叶斯网络建模和停电概率预测方法》一文中研究指出极端气象事件可引发配电网大面积停电事故,造成严重的经济损失。合理评估和预测极端灾害引发停电风险是实施应急预防所需的关键技术。区别于针对单一设备的灾害停运模型,文章考虑灾后设备停运事件的时空相关性,利用历史灾损记录和灾害数值模拟数据,构建灾害时间贝叶斯网络模型,进而根据灾情快速推理配电网停电范围和停电概率。以IEEE 14节点系统为测试对象,通过仿真算例验证了所提方法的有效性和正确性。(本文来源于《供用电》期刊2019年07期）
王文相[2]（2018）在《条件概率与贝叶斯公式在教学中的难度层次》一文中研究指出简单介绍了条件概率与贝叶斯公式的相关概念,并举例说明了教学不同难度层次的教学例题。(本文来源于《考试周刊》期刊2018年71期）
李志强,徐廷学,顾钧元,王瑞奇[3]（2017）在《基于DS/AHP的贝叶斯网络条件概率值确定方法》一文中研究指出针对多状态复杂系统贝叶斯网络条件概率赋值难以确定的问题,提出了一种基于DS证据理论/层次分析法(DS evidence theory/analytic hierarchy process,DS/AHP)的算法对不确定性信息进行融合处理。在对问题进行充分分析的基础上,提出了用于专家决策的判断标准,构建了融合多位专家经验信息的知识矩阵。以3节点贝叶斯网络模型为例,参照决策判断标准,依据域内专家经验知识构建知识矩阵,通过求解特征值、特征向量,确定了隶属于各个状态的基本概率分配值,应用DS证据理论进行了融合处理。并对DS/AHP方法的最大不确定度、最小不确定度进行了定量分析,验证了该方法的准确性与合理性。(本文来源于《现代防御技术》期刊2017年06期）
魏中强,徐宏喆,李文,桂小林[4]（2015）在《基于条件互信息和概率突跳机制的贝叶斯网络结构学习算法》一文中研究指出贝叶斯网络分类器的精确构造是NP难问题,使用K2算法可以有效地缩减搜索空间,提高学习效率。然而K2算法需要初始的节点次序作为输入,这在缺少先验信息的情况下很难确定;另一方面,K2算法采用贪婪的搜索策略,容易陷入局部最优解。提出了一种基于条件互信息和概率突跳机制的贝叶斯网络结构学习算法(CMI-PK2算法),该算法首先利用条件互信息生成有效的节点次序作为K2算法的输入,然后利用概率突跳机制改进K2算法的搜索过程来提高算法的全局寻优能力,学习较为理想的网络结构。在两个基准网络Asia和Alarm上进行了实验验证,结果表明CMI-PK2算法具有更高的分类精度和数据拟合程度。(本文来源于《计算机科学》期刊2015年03期）
董丽虹[5]（2014）在《风险导向审计中风险环节权重的重构与修正研究——基于条件概率和贝叶斯定理》一文中研究指出开展风险导向审计是与国际先进审计标准接轨的必然趋势,也是符合央行职能转变和业务发展需要的必然要求。本文结合已有研究及基层人民银行审计实践,基于条件概率和贝叶斯后验定理视角,重构了风险环节权重,并依据审计实际对其进行修正,以期达到风险环节权重定量评估的科学性,增强审计结果的真实性和可靠性的目的。(本文来源于《当代经济》期刊2014年14期）
韩新焕,吴静[6]（2007）在《贝叶斯条件概率模型在风险决策中的应用》一文中研究指出风险决策存在于诸多的社会领域,科学的风险决策意义重大。结合实例分析讨论如何应用贝叶斯条件概率模型来获得决策问题中最优决策方案。(本文来源于《数理医药学杂志》期刊2007年05期）
夏祥禹[7]（1996）在《条件概率与贝叶斯公式》一文中研究指出条件概率与贝叶斯公式是初等概率中的重点与难点,笔者在教学中发现很多学生在解这两方面的习题时,出错率很高,其原因就是不能全面,正确地理解条件概率的定义,以及不知道在什么情况下动用贝叶斯公式。本文就这一问题来阐述怎样正确掌握条件概率的概念及怎样正确运用贝叶斯公式解题。(本文来源于《阜阳师范学院学报(自然科学版)》期刊1996年03期）
吴明录[8]（1992）在《条件概率、贝叶斯决策及其在教育科研中的应用》一文中研究指出一 条件概率:定义与计算 §1.1 条件概率 在本刊今年第一期的“教育科研中的概率问题及其计算”一文中(以下简称文一),我们介绍了普通的概率问题,即某一事件A发生的概率P(A)的定义及其计算方法。在该文中我们没有提及或用到任何与事件A发生有关的信息,而是隐含地假定事件A发生与否和其它事件发生与否无关,因此也可以称P(A)为无条件或绝对的概率,即事件A无条件或绝对地发生的概率。(本文来源于《教育科学研究》期刊1992年02期）
赵玉怀[9]（1991）在《全概率公式和贝叶斯公式的充要条件》一文中研究指出在概率论中,全概率公式和贝叶斯公式是一套相当重要的公式,它对于计算一些复杂事件和多阶段试验的有关事件的概率问题起着举足轻重的作用.而对这套公式成立的条件,一般常见的有叁种不同的形式,在一般教科书上只是给出一种形式.笔者导出了使全概率公式和贝叶斯公式成立的更一般的条件,使得通常的叁种形式成为这一条件的叁个推论,现简述如下.(本文来源于《榆林高专学报》期刊1991年00期）
贝叶斯条件概率论文开题报告
（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：
简单介绍了条件概率与贝叶斯公式的相关概念,并举例说明了教学不同难度层次的教学例题。
（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。
贝叶斯条件概率论文参考文献
[1].陈颖,刘冰倩,朱淑娟,李博达,李俊均.极端气象条件下配电网大范围停电贝叶斯网络建模和停电概率预测方法[J].供用电.2019
[2].王文相.条件概率与贝叶斯公式在教学中的难度层次[J].考试周刊.2018
[3].李志强,徐廷学,顾钧元,王瑞奇.基于DS/AHP的贝叶斯网络条件概率值确定方法[J].现代防御技术.2017
[4].魏中强,徐宏喆,李文,桂小林.基于条件互信息和概率突跳机制的贝叶斯网络结构学习算法[J].计算机科学.2015
[5].董丽虹.风险导向审计中风险环节权重的重构与修正研究——基于条件概率和贝叶斯定理[J].当代经济.2014
[6].韩新焕,吴静.贝叶斯条件概率模型在风险决策中的应用[J].数理医药学杂志.2007
[7].夏祥禹.条件概率与贝叶斯公式[J].阜阳师范学院学报(自然科学版).1996
[8].吴明录.条件概率、贝叶斯决策及其在教育科研中的应用[J].教育科学研究.1992
[9].赵玉怀.全概率公式和贝叶斯公式的充要条件[J].榆林高专学报.1991