本文關(guān)鍵詞： 基于GEV的貝葉斯模型 分布式貝葉斯算法 人類行為 海量數(shù)據(jù)　出處：《華東理工大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：廣義極值分布(Generalized Extreme Value Distribution)作為極值變量的漸進(jìn)分布具有參數(shù)少、靈活性高等優(yōu)點(diǎn),它可以通過(guò)設(shè)定形狀參數(shù)或尺寸參數(shù)的值來(lái)實(shí)現(xiàn)分布對(duì)稱性或者偏度的變化。GEV分布的這些優(yōu)勢(shì)可以很好地用來(lái)彌補(bǔ)一些模型的不足之處。另一方面,貝葉斯參數(shù)估計(jì)的優(yōu)勢(shì)在于先驗(yàn)信息的有效利用以及在復(fù)雜模型的參數(shù)估計(jì)問(wèn)題上可利用的諸多算法,如ABC、MH等。通過(guò)結(jié)合GEV與貝葉斯估計(jì)方法,本文著重研究了 GEV作為連接函數(shù)的二元響應(yīng)變量模型的優(yōu)勢(shì)及其貝葉斯方法改進(jìn),通過(guò)提出分布式貝葉斯方法克服了海量數(shù)據(jù)處理的低效問(wèn)題,并將其應(yīng)用到海量的游戲數(shù)據(jù)中,實(shí)際的預(yù)測(cè)誤差僅為3.5%。本文還討論了基于GEV的貝葉斯分層模型的優(yōu)勢(shì)以及幾種變形,并通過(guò)手機(jī)數(shù)據(jù)這個(gè)載體去研究人類行為。
[Abstract]:Generalized Extreme Value distribution has few parameters as the asymptotic distribution of extreme variables. High flexibility and other advantages. It can realize the distribution symmetry or skewness change by setting the value of shape parameter or dimension parameter. These advantages can be used to make up for the shortcomings of some models. On the other hand. The advantage of Bayesian parameter estimation lies in the efficient use of prior information and the many algorithms that can be used in the problem of parameter estimation of complex models, such as GEV and Bayesian estimation. This paper focuses on the advantages of the binary response variable model of GEV as a connection function and the improvement of the Bayesian method, and proposes a distributed Bayesian method to overcome the inefficient problem of massive data processing. The actual prediction error is only 3.5. This paper also discusses the advantages of Bayesian hierarchical model based on GEV and several kinds of deformation. And through the mobile phone data this carrier to study human behavior.
【學(xué)位授予單位】：華東理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：O212.8

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉振濤;左浩苗;張振軒;;泡沫變化過(guò)程的動(dòng)態(tài)貝葉斯模型研究[J];管理科學(xué)學(xué)報(bào);2012年09期

2 汪建均;馬義中;汪新;;兩階段的貝葉斯模型選擇與篩選試驗(yàn)分析[J];系統(tǒng)工程理論與實(shí)踐;2011年08期

3 蒙肖蓮;杜寬旗;楊毓;;企業(yè)財(cái)務(wù)危機(jī)預(yù)測(cè)的貝葉斯模型研究[J];數(shù)理統(tǒng)計(jì)與管理;2011年06期

4 李長(zhǎng)杰;王先甲;范文濤;;貝葉斯雙邊拍賣的水價(jià)模型[J];水電能源科學(xué);2006年03期

5 沈悅;徐有俊;;復(fù)合屬性貝葉斯模型在銀行危機(jī)預(yù)警中的應(yīng)用[J];寧夏大學(xué)學(xué)報(bào)(人文社會(huì)科學(xué)版);2009年02期

6 鄭凱;胡潔;彭穎紅;詹振飛;戚進(jìn);;結(jié)合定性知識(shí)的定量貝葉斯模型外推方法[J];上海交通大學(xué)學(xué)報(bào);2012年06期

7 李明景;汪金菊;;基于ARMA-稀疏貝葉斯模型的匯率預(yù)測(cè)研究[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年08期

8 吳陳;王萬(wàn)川;;基于原型的EM樸素貝葉斯模型在直接營(yíng)銷中的應(yīng)用[J];計(jì)算機(jī)應(yīng)用與軟件;2012年09期

9 朱憲辰;李妍綺;曾華翔;;不完美信息下序貫決策行為的一項(xiàng)實(shí)驗(yàn)考察——關(guān)于羊群行為的貝葉斯模型實(shí)驗(yàn)檢驗(yàn)[J];經(jīng)濟(jì)研究;2008年06期

10 朱立;;基于稀疏貝葉斯模型的視頻恢復(fù)方法研究[J];中山大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年05期

相關(guān)會(huì)議論文 前5條

1 曾勇;唐小我;;無(wú)偏組合預(yù)測(cè)的貝葉斯模型及其分析[A];1996中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1996年

2 何彬;姜明艷;王程飛;趙卉;王先龍;;基于分子指紋的樸素貝葉斯模型預(yù)測(cè)小分子直接作用靶標(biāo)[A];中國(guó)化學(xué)會(huì)第28屆學(xué)術(shù)年會(huì)第14分會(huì)場(chǎng)摘要集[C];2012年

3 高麗君;;基于貝葉斯模型平均生存模型的中小企業(yè)信用風(fēng)險(xiǎn)估計(jì)[A];第十四屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)論文集(上冊(cè))[C];2012年

4 石瓊豪;馬莉;鄒紹芳;;基于視覺雙通路與貝葉斯模型的煙霧檢測(cè)方法[A];浙江省電子學(xué)會(huì)2012學(xué)術(shù)年會(huì)論文集[C];2012年

5 劉信恩;肖世富;莫軍;;復(fù)雜數(shù)值模擬的貝葉斯模型確認(rèn)框架及其簡(jiǎn)化[A];中國(guó)力學(xué)學(xué)會(huì)學(xué)術(shù)大會(huì)'2009論文摘要集[C];2009年

相關(guān)碩士學(xué)位論文 前10條

1 高艷濱;基于貝葉斯模型更新的結(jié)構(gòu)損傷識(shí)別方法改進(jìn)及應(yīng)用[D];中國(guó)地震局工程力學(xué)研究所;2015年

2 蘇樂(lè)群;稀疏貝葉斯模型在分類與回歸上的研究與應(yīng)用[D];南京航空航天大學(xué);2015年

3 李楊;基于增量貝葉斯模型的自助掛號(hào)系統(tǒng)研究[D];北方工業(yè)大學(xué);2016年

4 陳偉;基于貝葉斯模型的云服務(wù)QoS預(yù)測(cè)和保障研究[D];江蘇大學(xué);2016年

5 李云瑞;相關(guān)貝葉斯模型在非壽險(xiǎn)準(zhǔn)備金中的應(yīng)用[D];鄭州大學(xué);2016年

6 燕榮江;基于稀疏貝葉斯模型的文本分類方案研究[D];遼寧師范大學(xué);2016年

7 吳磊;基于Gev的貝葉斯模型研究及應(yīng)用[D];華東理工大學(xué);2017年

8 馬欣;基于預(yù)測(cè)似然的貝葉斯模型平均及其在電力負(fù)荷預(yù)測(cè)中的應(yīng)用[D];重慶師范大學(xué);2010年

9 陳慧;基于貝葉斯模型的微博虛假話題數(shù)據(jù)分析研究[D];山東大學(xué);2013年

10 李明景;基于ARMA-稀疏貝葉斯模型的匯率預(yù)測(cè)研究[D];合肥工業(yè)大學(xué);2014年

，

本文編號(hào)：1444101