导读:本文包含了信度函数论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:函数,损失,保费,因子,理论,节点,递归。
信度函数论文文献综述
张庆莉,吴黎军[1]（2019）在《广义加权损失函数下未决赔款准备金的信度估计》一文中研究指出为了使得估计的准备金不依赖于先验分布的具体形式,在贝叶斯链梯模型中,采用信度理论的思想,在广义加权损失函数下得到链梯因子的信度估计,建立了案均赔款法下的未决赔款准备金模型.最后,给出保险公司的实际例子,将得到的信度估计与经典链梯法和随机链梯法估计进行了比较.结论显示,方法对未决赔款准备金是有效的.(本文来源于《数学的实践与认识》期刊2019年09期）
赵珍,毕锋霄[2]（2019）在《Mlinex损失函数下的信度递归模型》一文中研究指出用Mlinex损失函数代替平方损失函数,得到了一个信度递归模型,即第t+1年的信度保费是第t年的索赔额、第t年的信度保费和集体保费的加权和.证明了该信度递归模型对年份较近的索赔额赋予更大的权重,对年份较远的索赔额赋予较小的权重.(本文来源于《吉首大学学报(自然科学版)》期刊2019年02期）
张强,陈萍[3]（2018）在《平衡损失函数下具有时间效应和通胀因子的信度估计》一文中研究指出文章考虑时间分量上的相依性,在平衡损失函数下,研究了具有时间效应及通胀因子的信度模型。通过正交投影方法,得到了未来保费的非齐次和齐次信度估计,并给出了结构参数的无偏估计。通过数值例子验证模型的有效性。结果表明,所得到的信度估计是经典信度模型的一个推广。(本文来源于《统计与决策》期刊2018年14期）
莫泓铭[4]（2018）在《一种基于信度函数的复杂网络重要节点识别方法》一文中研究指出识别重要节点是复杂网络研究领域的热门话题之一,在网络的管理、维护和优化等领域有着广泛的应用价值。为了提高识别结果的准确性与全面性,本文提出一种基于信度函数的节点重要度识别方法,将节点的度、紧密度和结构洞等属性视为不同的信度函数,并运用Dempster组合规则进行融合,最终得到节点的综合评价指标值。新提出的方法不仅考虑了节点在网络中的位置,还考虑了节点的邻居数量及邻居的影响力等。实例验证表明,该方法能综合利用单一算法的优点,克服单一算法的不足,具有可行性。(本文来源于《长春师范大学学报》期刊2018年06期）
曾欢琴[5]（2018）在《几种损失函数下准备金的信度估计》一文中研究指出准备金在保险、银行和证券等领域有广泛的应用,在不同的领域有不同的内涵.在保险业务中,索赔准备金是最大的负债项目.因此,准备金的评估是保险业务中的一项重要任务.如何准确的评估准备金成为精算界研究的一个热点问题.本文利用平衡损失函数、二次损失函数和Esscher损失函数并结合信度理论方法,得到了这叁种损失函数下链梯因子的信度估计,从而对准备金进行了评估.最后,对叁种损失函数下得到的基于信度的准备金的估计通过数值模拟进行了比较.本篇文章包括以下几部分:第一章简要介绍准备金及其几种经典的估计准备金的方法,以及研究准备金的意义、国内外研究现状及研究方法.第二章简单介绍了经典的链梯模型及其贝叶斯模型.第叁章给出不同的损失函数,并在不同的损失函数下推导链梯因子的信度估计,进而讨论各损失函数下基于信度的准备金的估计.第四章给出数值模拟并比较几种损失函数下得到的准备金估计的结果.第五章总结了文章的主要研究结果.(本文来源于《新疆大学》期刊2018-05-11）
甘文洋,朱大奇[6]（2018）在《基于行为策略的AUV全覆盖信度函数路径规划算法》一文中研究指出针对自治水下机器人全覆盖路径规划问题,通过引入行为策略,结合地图信度函数概念,提出一种基于行为策略的全覆盖信度函数路径规划算法,使AUV完成全覆盖任务的同时自动避开障碍物。根据环境信息构建栅格信度函数,用不同的函数值区分障碍物、已覆盖和未覆盖栅格;AUV根据路径规划策略选择下一步航行位置,若AUV航行到障碍物边缘,则利用行为策略选择下一步航行位置,否则使用栅格信度函数选择下一步航行位置。通过二维和叁维仿真实验证明了所提算法不仅能够完成全覆盖任务,同时减少了AUV陷入死区的次数,降低了遍历重复率。(本文来源于《系统仿真学报》期刊2018年05期）
张强,崔倩倩,陈萍[7]（2018）在《MLINEX损失函数下的信度估计（英文）》一文中研究指出In this paper, MLINEX loss function was considered to solve the problem of high premium in credibility models. The Bayes premium and credibility premium were obtained under MLINEX loss function by using a symmetric quadratic loss function. A credibility model with multiple contracts was established and the corresponding credibility estimator was derived under MLINEX loss function. For this model the estimations of the structure parameters and a numerical example were also given.(本文来源于《数学季刊(英文版)》期刊2018年01期）
莫泓铭[8]（2018）在《信度函数在复杂网络节点重要性评价中的应用》一文中研究指出针对复杂网络中重要节点的识别问题,提出了一种基于信度函数复杂网络中识别节点重要度的方法;回顾了信度函数、复杂网络相关理论知识及节点重要度相关算法,建立了基于信度函数的节点重要度识别模型;通过建立辨识框架,把节点相关属性转换为信度函数,利用证据理论组合规则进行融合,得到节点的综合属性信度函数值并将其转换为单一数值,进而提到节点的排序结果;实例分析表明,所建立模型有效克服了相关单一节点重要度算法的局限性问题,具有合理性与有效性,可进一步推广。(本文来源于《重庆工商大学学报(自然科学版)》期刊2018年01期）
房婷婷,吴黎军[9]（2017）在《Mlinex损失函数下的信度保费》一文中研究指出在经典信度理论中,通常用对称损失函数作为衡量预测结果好坏的标准,忽略了拟合度的重要性.为使信度模型更好地应用于实际中,用Mlinex损失函数解决经典信度模型中由对称损失函数引起的高保费征收问题,推导出在Mlinex损失函数下的贝叶斯保费和信度保费,并验证了贝叶斯保费和信度保费的相合性.数值模拟结果表明,Mlinex损失函数下的信度保费优于经典信度保费.(本文来源于《吉首大学学报(自然科学版)》期刊2017年05期）
张兴红[10]（2017）在《基于Esscher损失函数和最大熵方法的的递推信度模型》一文中研究指出信度理论就是研究如何根据历史索赔额来解决保险费率的合理制定问题,在非寿险精算和保险实务中对下个时期的保费定价具有重要意义,主要是通过结合单个投保人的索赔经验数据与其他保单组合过去索赔经验数据来计算未来保费的一种定量方法,这种方法被广泛的应用于保险的各个领域,一般情况下,所得的保费为个体保费与集体保费的加权和.一方面,本文在递推信度模型的基础上,结合最大熵方法,得到了最大熵方法下的递推信度模型,考虑均方误差最小和熵最大原则,进行两次优化得到未来保费以及递推信度模型中信度因子的表达式,并且得到两种特殊的权重结构:一种是年份较近的索赔额有较大的权重另一种是年份较远的索赔额有较大的权重.另一方面,采用经典信度理论得到的信度保费均是纯保费原理下得到的,不具有保费的安全负荷,本文将在Esscher损失函数下,假设未来索赔具有推广后的递推形式,然后建立Esscher损失函数下的递推信度模型以及广义加权Esscher损失函数下的递推信度模型.最后,在实际中,保险合同之间的索赔具有某种相依性,本文将对相依结构的多合同信度模型作进一步的研究,包括齐次和非齐次的情况.(本文来源于《新疆大学》期刊2017-06-30）
信度函数论文开题报告
（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：
用Mlinex损失函数代替平方损失函数,得到了一个信度递归模型,即第t+1年的信度保费是第t年的索赔额、第t年的信度保费和集体保费的加权和.证明了该信度递归模型对年份较近的索赔额赋予更大的权重,对年份较远的索赔额赋予较小的权重.
（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。
信度函数论文参考文献
[1].张庆莉,吴黎军.广义加权损失函数下未决赔款准备金的信度估计[J].数学的实践与认识.2019
[2].赵珍,毕锋霄.Mlinex损失函数下的信度递归模型[J].吉首大学学报(自然科学版).2019
[3].张强,陈萍.平衡损失函数下具有时间效应和通胀因子的信度估计[J].统计与决策.2018
[4].莫泓铭.一种基于信度函数的复杂网络重要节点识别方法[J].长春师范大学学报.2018
[5].曾欢琴.几种损失函数下准备金的信度估计[D].新疆大学.2018
[6].甘文洋,朱大奇.基于行为策略的AUV全覆盖信度函数路径规划算法[J].系统仿真学报.2018
[7].张强,崔倩倩,陈萍.MLINEX损失函数下的信度估计（英文）[J].数学季刊(英文版).2018
[8].莫泓铭.信度函数在复杂网络节点重要性评价中的应用[J].重庆工商大学学报(自然科学版).2018
[9].房婷婷,吴黎军.Mlinex损失函数下的信度保费[J].吉首大学学报(自然科学版).2017
[10].张兴红.基于Esscher损失函数和最大熵方法的的递推信度模型[D].新疆大学.2017
论文知识图
