贝叶斯网络推理分析的团树传播算法——以停车行为分析为例

介绍了贝叶斯网络的基本概念及其推理模式和推理算法,重点进行了团树传播算法研究,应用Matlab软件的jtree_inf_engine模块实现了团树传播算法编程,并以停车行为分析的贝叶斯网络为例进行了预测、诊断、原因关联和混合4种推理分析,根据推理结果总结了城市居民的停车决策行为特征。研究结果表明,团树传播算法可用于贝叶斯网络未知参数的推理和变量间的关系学习。     

基于贝叶斯网络的客户流失分析

随着电信市场竞争加剧,客户流失现象成为电信运营商关注的问题。文中基于数据挖掘手段,采用贝叶斯网络分类器,进行电信客户流失分析。在贝叶斯网络构造过程中,结合采用K2和MC-MC算法构建网络。根据贝叶斯网络的拓扑结构,筛选出客户流失相关的显著指标;由条件概率表确定客户的流失规则,进而确定高流失的客户群。考虑分类的误判损失函数,给出不同分类临界值下,贝叶斯网络模型的分类效果。与其它分类算法相比,比如决策树和人工神经网络,在客户流失率很低的情况下,该算法不需要进行“过量抽样”。     

基于节点输入策略贝叶斯网络的骨盆骨折分型研究

基于历史数据的统计和收集,选取骨盆骨折患者存在的18个体表特征,采用基于K2算法的贝叶斯网络方法挖掘各体表特征之间和骨盆骨折类型与体表特征间的相互关系;设计不同的节点输入策略,分析不同输入策略对算法性能的影响;基于骨盆稳定性将骨盆骨折分成A、B、C三种类型,分别找到与其直接相关的体表特征,作为判断骨盆骨折类型的依据.基于体表特征和骨盆骨折类型的分析结果,借助早期的观察及简单检查,对患者进行初步分型.     

基于AHP的贝叶斯网络故障诊断方法研究

针对基于专家知识的故障诊断方法依赖经验的局限,提出一种基于层次分析法（AHP）的贝叶斯网络化工过程故障诊断方法。通过基于关联函数的AHP得到所有变量的权值,对22个变量节点的权值进行排序并将该排序作为K2算法的学习输入建立贝叶斯网络模型,同时结合复杂网络分析指标进行化工过程的故障诊断。通过TE过程故障诊断实例证明本文方法不仅避免了K2算法专家知识的主观因素影响,同时能很好地进行故障定位,找到故障源。     

IE_K2：一种基于贝叶斯网络的高效基因调控网络构建方法

为获得正确的节点次序,提高K2算法的执行效率和精确度,提出一种构建基因调控网络的IE-K2算法.基于两个节点互信息构建无向图,通过引入联合信息熵来获得最佳的节点次序.在Alarm网络中的实验结果表明,其预测的准确率优于爬山算法和随机节点顺序的K2算法;将IE-K2算法用于构建酿酒酵母的基因调控网络,通过现有文献证明了调控关系的正确性,结果显示了该算法的有效性.     

贝叶斯网络在高职英语应用能力考试中的应用研究

通过K2算法,利用贝叶斯网络构建了一个高职英语应用能力考试的预测模型,用基于贝叶斯网络的分类器来对影响英语应用能力考试通过的因素进行分析,并利用真实数据做了分析验证,验证结果基本符合实际情况.通过该模型的应用,可以为高职学生今后的英语学习指明方向,为高职学院的教育教学管理和改革提供决策支持.     

基于遗传算法构建大学数学课程贝叶斯网

基于某高校统计学院自1984~2005年间学生所学10门课程的成绩, 利用K2算法并结合自适应遗传算法构建了课程贝叶斯网. 用学生成绩样本的信息将有向无环图与概率理论有机地结合, 直观地揭示了各门课程之间的依赖关系, 通过条件概率表体现了依赖关系的强弱程度, 不仅对学院不同学期课程的设置有一定的参考价值, 而且对学生进一步学习而选择适合自己的研究方向提供权衡依据.     

贝叶斯网络结构学习的双重K2算法

贝叶斯网络源于人们对人工智能领域不确定性问题的研究,是进行不确定问题推理和数据分析的重要工具。结构学习是贝叶斯网络研究的核心内容,K2算法是结构学习的经典算法之一。为解决K2算法学习效果强烈依赖于节点序的问题,本文提出一种新的混合结构学习算法：双重K2算法。该算法首先将节点信息作为初始节点序,通过K2算法的搜索策略得到初始网络结构;然后在初始网络结构上利用拓扑排序得到修正后的节点序;最后K2算法通过修正后的节点序学习得到最优的网络结构。通过实验验证,在精度和效率上,双重K2算法效果优于其它经典算法。     

关于城市路边停车及其收费若干问题的思考

目前,路边停车在满足城市停车需求方面,仍然占着非常重要的地位。合理地制定路边停车收费政策,有效发挥路边停车的优势,缓解交通拥挤的压力,已成为城市管理部门的重要工作任务。文章分析了路边停车及其收费的现状和问题,并对城市道路拥挤区域的路边停车收费对策进行了初步的探讨。     

基于MMPC-FPSO 贝叶斯网络混合结构学习方法

针对贝叶斯网络结构学习的过程中网络结构规模随节点数增加呈指数增长,导致网络结构搜索空间增大,进而导致网络结构学习算法效率低下的问题,提出一种基于最大最小父子集合约束与萤火虫粒子群搜索算法的贝叶斯网络混合结构学习方法。首先,针对粒子群算法在解决贝叶斯网络结构学习过程中,随机初始化网络结构种群导致算法搜索效率低下,网络结构准确性低的问题提出一种基于改进的最大最小父子集合算法的种群约束方法。其次,针对传统的基于粒子群评分搜索方法速度慢,精度低,易陷入局部最优的问题,提出一种基于萤火虫算子的粒子寻优策略。最后,为了验证所提方法的正确性和优越性,将上述方法用于3种标准网络的结构学习。仿真结果表明:所提算法与传统的基于粒子群的结构学习方法相比,所得的贝叶斯信息准则评分与标准网络评分的差距分别缩小了68.7%、65.5%、34.1%。     

一种隐式法的贝叶斯网络结构学习

通过分析K2,BIC,AIC和IM等方式的原理,改进K2算法,在不考虑先验知识的基础上,创建了新的基于隐式网络的打分函数取代了原有算法的评分规则,实现贝叶斯网络结构学习.仿真实验结果表明,针对标准数据集学习,隐式法的贝叶斯网络学习算法在没有先验知识的条件下和依赖先验知识的基于BDe评分的K2算法相比收敛速度和准确率有一定的改进.     

基于K2算法的属性层级结构学习研究

诊断测验所考察的属性之间往往存在某种层级关系,然而基于专家经验获得的属性层级关系易出现分歧或错误.该文将属性掌握模式作为输入,考察K2算法在不同阈值条件下学习得到属性层级结构的准确性.模拟研究和实证数据分析的结果表明:K2算法对属性层级结构的学习有较高的成功率,并且K2算法对于4种基本层级结构有不同的敏感性,其中线性型和发散型对阈值的敏感性较低,而收敛型和无结构型对于阈值的敏感性较高.     

一个基于行为分析的智能视频监控系统的原型

通过研究智能视频监控系统中所涉及视频处理的技术与算法,在总结与分析的基础上设计了一个具备行为分析和异常行为预警功能的智能视频监控系统的原型,并重点探讨了原型中各个视频处理模块的实现技术.     

用于预测的贝叶斯网络

通过示例给出了贝叶斯网络的构造方法,概括了贝叶斯网络的特点及贝叶斯网络学习的内容与过程,同时给出了离散型贝叶斯网络的预测公式。贝叶斯网络学习主要有三个基本环节,其一是确定变量集和变量域;其二是确定贝叶斯网络结构;其三是确定局部概率分布。贝叶斯网络是描述变量之间定性与定量依赖关系的图形模式,是进行数据联合分析与预测的有力工具。     

中立交易平台型B2B电子商务网络定价模型研究

对于中立交易平台型B2B电子商务网络定价模型的研究，能为网络企业的定价提供理论的指导与实践的参考．分两阶段讨论了中立交易平台型B2B电子商务网络的定价模型，重点分析了影响B2B电子商务网络最优定价水平的三类因素：网络外部性、网络收益和切换成本．研究表明，有的因素对B2B电子商务网络的最优定价水平有正面影响，有的因素对B2B电子商务网络的最优定价水平有负面影响，而多数因素对B2B电子商务网络的最优定价水平的影响取决于买方与卖方正的网络外部性强度的比较．     

高维小采样数据集的贝叶斯网络结构学习算法

现有的贝叶斯网络结构学习算法都需要对高维数据项集进行大量地计算,极大地影响了算法的可靠性、健壮性以及精确度,同时高维计算也耗费了大量时间,为了解决这个问题,提出基于特征选择技术贪婪贝叶斯网络结构学习算法。理论分析表明,本算法在效率上优于现有算法,实验结果也表明,对于高维相对小采样数据集,本算法在精度上也优于大多数算法。