简介:摘要:贝叶斯网络作为数据分析和不确定性推理的工具,帮助人们将概率统计应用于复杂领域。它随着人工智能的研究而兴起,其影响范围也逐渐扩大到了其它众多领域,并产生了重要的影响。贝叶斯网络也是描述随机变量之间的相关性的一种语言,完成概率推理是贝叶斯网络的主要目标,即预测一些事件的发生概率。理论上联合概率能满足在机变量之间进行概率推理的要求,但随着变量的数量增加联合概率的复杂度呈指数增长,因此应用联合概率分布进行概率推理变得不可行。贝叶斯网络可以将复杂的联合概率分布分解成多个模块,从而达到降低联合概率分布复杂度的目的。这一方法的提出解决了原先概率论难以应用于大型复杂系统的困难。
简介:摘要:根据朴素贝叶斯算法,本文构建了老年人心理健康影响因素分析模型。利用调查问卷确定各项数据权值,建立三级模糊综合评价体系,加入老年人常见心理特征根据数据模型的统计分析和专业心理分析师的理论指导,给出了更为合理的综合心理评估模型。
简介:[摘要] 本文站在微观的角度构建了我国商业银行风险评估指标体系,并以新方法拓展了贝叶斯网络在商业银行风险评估领域的研究,利用K-modes贝叶斯网络混合算法,摆脱了常规专家建模的思路,解决了K-means聚类分析法无法反映风险监管要求的问题,将基于K-modes聚类分析法获得的类标签作为贝叶斯网络的训练数据,通过结构学习、参数学习构建了相对客观的贝叶斯网络,最后由贝叶斯网络分类输出更加准确的风险等级,并通过贝叶斯网络诊断推理找到导致商业银行风险恶化的原因。
简介:摘要目的对比和预测乙酰唑胺等药物对急性高山病(AMS)的预防效果。方法遵循系统评价、Meta分析的PRISMA声明的检索策略,检索PubMed、Embase、Cochrane Library、Web of Science、CNKI、万方等数据库1980年1月1日至2020年12月30日符合药物预防AMS的随机对照研究(RCT),分析研究资料。使用R等统计软件在贝叶斯框架下采用马尔科夫链-蒙特卡罗法进行网状Meta分析,另外使用节点分离法对闭环研究进行一致性检验。结果最终纳入23篇文献(25项研究)对比了4种药物对AMS的预防效果,按照药物分组进行贝叶斯网状Meta分析,乙酰唑胺组、地塞米松组、银杏叶提取物组和红景天组中AMS发生率均低于安慰剂组;在不同药物的相互比较中,乙酰唑胺组、地塞米松组和红景天组AMS发生率低于银杏叶提取物组;而乙酰唑胺组、地塞米松组、红景天组之间AMS发生率差异未见统计学意义(P>0.05)。其中8项研究报道了2种药物对进入目标海拔人群脉搏血氧饱和度(SpO2)的影响,贝叶斯网状Meta分析结果显示:在目标海拔,红景天组的SpO2高于乙酰唑胺组和安慰剂组,乙酰唑胺组与安慰剂组的SpO2的差异并无统计学意义。预防AMS效果概率排序显示:乙酰唑胺组、地塞米松组、银杏叶提取物组、红景天组和安慰剂组发生AMS排名第5的概率分别为45.72%、48.80%、0、5.48%和0。提高目标海拔人群SpO2概率排序显示:乙酰唑胺组、红景天组和安慰剂组在目标海拔提高SpO2效果排名第1的概率分别为2.27%、97.66%和0.07%;直接比较结果和贝叶斯预测模型间接比较结果一致性较好,差异无统计学意义(P>0.05)。结论乙酰唑胺和地塞米松可有效预防AMS发生,应作为今后相关补充研究的首选药物。红景天在提升进入高海拔人群的SpO2同时也可降低AMS的发生率,也应受到足够的重视。银杏叶提取物预防AMS效果不如上述3种药物,临床中应视情况使用。