第1章 导论 1
1.1 引言 1
1.2 误报概率、漏报概率与阈值之间的关系 2
1.3 基于最小错误概率的阈值选取准则 4
1.4 小结 6
第2章 贝叶斯理论 7
2.1 历史回顾 7
2.2 贝叶斯定理 9
2.3 贝叶斯参数统计模型 11
2.4 先验分布的选取 12
2.5 贝叶斯预测分布密度与预测置信区间 16
2.6 贝叶斯判别分析 16
2.7 小结 19
第3章 基于最小风险的贝叶斯阈值选取准则 20
3.1 贝叶斯判别准则 20
3.2 基于最小风险的贝叶斯阈值选取准则 21
3.3 基于最小风险的贝叶斯阈值选取准则的实现 22
3.4 实时加权先验概率求解算法 22
3.5 小结 25
第4章 基于核密度估计的非参数分布密度估计算法 26
4.1 引言 26
4.1.1 核函数的选择 28
4.1.2 窗宽的选择 29
4.2 基于积分均方误差的窗宽优化算法 32
4.3 基于样本点的变窗宽算法的不可实现性讨论 34
4.4 基于估计点的滑动窗宽核密度估计算法 36
4.4.1 基于估计点的滑动窗宽核密度估计算法步骤 38
4.4.2 基于估计点的滑动窗宽核密度估计算法验证 39
4.4.3 基于估计点的滑动窗宽核密度估计算法总结 42
4.5 基于估计点的滑动双窗宽核密度估计算法 43
4.5.1 基于估计点的滑动双窗宽核密度估计算法步骤 44
4.5.2 基于估计点的滑动双窗宽核密度估计算法验证 45
4.5.3 基于估计点的滑动双窗宽核密度估计算法总结 48
4.6 基于估计带的滑动窗宽核密度估计算法 49
4.6.1 基于估计带的滑动窗宽核密度估计算法步骤 50
4.6.2 基于估计带的滑动窗宽核密度估计算法验证 51
4.6.3 基于估计带的滑动窗宽核密度估计算法总结 52
4.7 基于迭代的窗宽优化算法 54
4.7.1 固定窗宽迭代算法 54
4.7.2 滑动窗宽迭代算法 55
4.8 基于估计点的滑动窗宽的核密度估计性质及其证明 56
4.9 算法的试验例证 56
4.10 小结 60
第5章 基于最小风险的贝叶斯阈值选取算法验证 61
5.1 引言 61
5.2 实例背景 62
5.3 故障状态下的试验例证 64
5.4 正常状态下的试验例证 66
5.5 小结 67
第6章 基于贝叶斯准则的支持向量机 68
6.1 引言 68
6.2 支持向量机分类问题的描述 69
6.3 基于贝叶斯准则的支持向量机 70
6.4 算法的实验例证 75
6.5 小结 77
参考文献 78
附录 80