Bayes网络学习及其在文本检测中的应用研究

针对大规模Bayes网络的条件概率赋值问题,提出一种学习方法．首先使用类层次结构定义一种新的层次Bayes网络模型,用于表示大规模Bayes网络．然后将训练数据集由单个数据表的形式转化成多表数据库,其中每个数据库表对应1个Bayes网络模块．在此基础上导出条件概率计算公式,从每个数据库表中算出相应的Bayes网络模块的条件概率表,由此实现对整个层次Bayes网络的概率赋值．可通过适当增加数据库表的数目来控制每个表中属性的个数,保证计算的可行性．最后将本层次Bayes网络及计算公式用于解决图像中文本的自动检测与定位问题,实验结果表明了它们的有效性．     

网络留言分类中贝叶斯复合算法的应用研究

Bayes算法在已知先验概率与条件概率的情况下进行模式分类,待分样本的分类结果取决于各类域中样本的全体,但实际上类别总体的概率分布和各类样本的概率分布函数是不确定的。为了解决上述问题,提出了一种基于SVM-EM算法的Bayes算法,首先利用非线性变换和结构风险最小化原则将流量分类问题转化为二次寻优问题,然后要求EM算法对Bayes算法要求条件独立性假设进行填补,最后利用Bayes算法进行网络留言分类,提高了分类的准确性和稳定性。     

用于机械故障诊断Bayes网络的MLE学习方法

组建完成了一个用于机械故障诊断的具有两层节点结构的Bayes网络模型,利用Bayes网络的强大学习功能,探讨了当学习样本集完整时,采用MLE(最大似然估计)法则来合理地调整网络模型的CPT表值,使之更加符合特定机组的运行情况,从而为网络模型的判断推理做好了准备。     

基于Bayes网络的暴雨情景构建和演化方法

暴雨灾害具有强度大、时间长、易引发次生衍生事件、应急处置难度大等特点.该文从全局的角度研究暴雨风险.针对暴雨过程复杂性和次生衍生特点,提出了一种突发事件情景构建模型,构建了暴雨情景演化全流程,进而应用Bayes网络方法,结合风险因子的概率,构建了暴雨灾害的Bayes网络模型.应用Bayes网络模型计算暴雨引发洪水的量化...     

发动机系统电磁脉冲易损性评估的灰色Bayes网络模型

首先,针对实验数据有限、信息不完全背景下导致的发动机系统电磁脉冲易损性评估不确定性问题,通过引入灰色系统理论中区间灰数表征发动机系统部件敏感度阈值和故障逻辑关系的不确定性,提出一种灰色Bayes网络模型,以提升Bayes网络对不确定信息的处理能力.其次,以宽带高功率微波为例,计算发动机系统区间灰数失效概率和传感器区间灰数后验失效概率,其中前者表示发动机系统整体在强电磁脉冲作用下的生存能力,后者反应了发动机系统失效条件下各传感器的易损顺序,评估结论可为车辆电磁防护设计提供参考.     

基于动力指纹和Bayes数据融合的桥梁损伤识别

受测量噪声的影响,采用单一指标评价桥梁安全容易产生误判,因此提出一种基于Bayes理论的桥梁损伤识别方法.该方法将识别过程分解为损伤定位识别与损伤定量识别两部分,首先采用Bayes公式融合归一化的动力指纹,进行损伤位置识别,进而提取损伤处的动力指纹构建Bayes网络,计算各节点的条件概率,从而识别损伤程度.通过简支梁数值模拟验证了该方法具有良好的抗噪性,尤其能够对小损伤准确定位,对程度差别小的损伤准确分类.     

Bayes网络学习的后验概率准则

介绍了Bayes网络学习的Bayes方法,给出了Bayes网络学习的后验概率准则,并依据准则采用B-搜索算法和MCMC搜素算法寻找好的网络模型。     

基于Bayes网络的航空图象理解模型

提出一种基于Bayes网络的图象理解模型,用于检测与描述城市航空图象中的停车场、空地、房屋等二维和三维目标.模型首先使用一种基于感知组织的算法生成焦点区域,然后使用Bayes网络建立焦点区域的图象特征与目标之间的(不确定性)联系,由Bayes网络推理机制完成对焦点区域的识别.对于屋顶区域,模型使用一种基于DEM(digitalelevationmap)方向直方图的匹配算法进行模板匹配,生成房屋的三维几何模型描述.模型中所有Bayes网络组成层次结构,可以方便地增加被识别目标的种类;图象特征与提取图象特性的算法之间由一种称为证据源的数据结构相连接,可以方便地扩充图象特征的提取算法.由此实现了模型的易扩展性.实验结果表明了本文模型的有效性.     

基于故障树和Bayes网络组合的装备故障诊断

针对故障树和Bayes网络在故障诊断中的局限性,提出一种使用故障树和Bayes网络组合的方式建立诊断故障Bayes网络,并基于诊断故障Bayes网络运用联合树推理进行故障诊断的方法.该方法解决了在复杂系统故障诊断过程中独立运用故障树和Bayes网络出现故障推理能力弱和建模难等问题.实验结果表明,使用该方法对某型舰船上的甲板灯光照明系统进行故障诊断,得出了各个故障征兆节点或故障原因节点的概率分布,从而可快速准确地定位甲板灯光照明系统故障.     

Bayes法鉴定武器系统射击精度研究

为了在武器系统鉴定精度指标满足的条件下,减少试验弹药消耗量,降低鉴定成本,给出了一种数学模型和方法：对武器系统射击精度进行仿真,将仿真结果作为系统分析的验前信息,再进行适当规模的实弹试验,将试验结果作为检验子样,根据验前信息和检验子样采用Bayes统计决策方法对武器系统的射击精度进行鉴定。获得了Bayes决策不等式、Bayes决策风险计算公式和验前概率公式。该模型和方法应用于新型武器鉴定之中,降低了武器鉴定成本。     

一种具有缺失数据的贝叶斯网络结构学习方法

在数据缺失的情况下,文章建立的贝叶斯网络结构学习方法BC-ISOR基于界定折叠方法进行变量集联合概率的估计,基于依赖分析的基本思想进行贝叶斯网络的结构学习。该方法的概率估计与数据的缺失率无关,并有效降低了条件独立性检验的次数和阶数,因而具有良好的学习效率并能避免陷入局部最优;针对Asia网络的实验结果表明,该方法比经典方法SEM具有更好地时效性和精确性。     

贝叶斯网络在机械系统可靠性评估中的应用

针对故障树分析方法在可靠性评估方法中的局限性,提出了基于贝叶斯网络的机械系统可靠性评估新方法.首先根据系统可靠性框图建立故障树,然后将故障树直接映射成为贝叶斯网络,构建条件概率表,运用贝叶斯网络的推理能力进行系统的可靠性评估.该方法不但能计算出机械系统的可靠性指标,而且能方便地给出某一个部件或几个部件对系统可靠性的影响大小,识别系统的薄弱环节.最后通过实例验证了用贝叶斯网络进行机械系统可靠性评估的有效性.     

基于贝叶斯网络的中医辨证系统

将贝叶斯网络运用于中医辨证系统的研究,以更加量化中医辨证诊断系统.通过将中医体系中的916个证候,51项证素及其构成的1700条证名构成中医辨证贝叶斯网络的节点集,初步建立起中医辨证数据库并通过网络学习,形成中医辨证贝叶斯网络结构及概率表.利用建立的贝叶斯网络中医辨证系统,进行数据计量分析、推理验证证候—证素—证名间的关系,其结果与中医专家经验有很高的吻合性,尽管其仍未能全面反映中医辨证的思维能力.所以贝叶斯网络是对中医辨证进行信息挖掘处理的一种较好方法,可应用于中医人工智能辨证系统的建立.     

管道腐蚀泄漏火灾的贝叶斯网络推理模型研究

为了研究长输管道腐蚀泄漏及蒸气云爆炸事故的演化规律,通过对埋地管道内(外)壁腐蚀失效、燃气泄漏、气体云团扩散及蒸气云爆炸等4阶段事件进行分析,构建埋地管线腐蚀泄漏火灾的贝叶斯网络模型。研究网络结构中节点变量的取值范围及离散化方法,并基于对事故统计和专家分析判断,设定节点变量的先验概率,量化节点关联的条件概率分布。在对贝叶斯网络推理策略研究的基础上,考察节点变量对推理结果的敏感性,验证模型的合理性。结果表明,长输管道腐蚀泄漏及次生灾害事件过程具有较大的不确定性,主要体现在中间事件均具有多种状态,事故演化路径概率受模型输入条件影响较大。贝叶斯网络方法用于描述事故过程中间节点事件间的依赖关系有较大的优势,可以定量衡量事故风险的不确定性。     

基于特征的贝叶斯过滤网

以贝叶斯定理为基础,提出并讨论了在特征水平的信息过滤中的贝叶斯过滤网（ＢＮ）的拓扑结构、网节点参数设定、主观概率融合、网节点复合简化、贝叶斯概率推断等问题．研究表明,以ＢＮ构造基于语义特征的信息过滤网,能帮助用户从有关数据库中快速找出所需的文件资料     

基因调控网络的父节点筛选贝叶斯建模方法

在构建基因调控网络的方法中,贝叶斯网络模型可以直观地表达基因间的调控关系,但在结构学习时的复杂度极高,使得网络建模效率较低且规模有限.因此,本文提出一种基于父节点筛选的贝叶斯网络(parent node screening based Bayesian network, PS-BN)建模方法.PS-BN方法将关联模型与贝叶斯网络模型相结合,在充分利用贝叶斯网络模型结构学习搜索策略的前提下,先基于父节点筛选方法去除部分冗余信息,以达到缩减搜索空间的目的.实验结果表明,与传统的贝叶斯网络模型方法相比,PS-BN方法极大提升了基因调控网络构建效率,同时准确率有所提高.     

基于马尔可夫毯的贝叶斯网络结构学习算法

贝叶斯网络图结构的自动学习是机器学习中的一个挑战,针对传统算法学习效率低、难于去除冗余边及确定结构中边的方向等问题,提出了一种基于马尔可夫毯的贝叶斯网络结构学习算法.该算法改进了经典的马尔可夫毯学习算法,使之减少条件独立检验次数,并在后续确定有向结构方面更适应贝叶斯网络结构学习,同时给出了两种有向边方向确定的一般性解决方案,有效提高了学习算法的学习效率.最后建立了基于贝叶斯网络的互联云QoE评价模型,并进行了仿真实验,结果表明改进后的学习算法在预测准确率、学习效率上均优于传统算法.     

一类新的损失函数下负二项分布模型的Bayes可靠性分析

在一类新的加权平方损失函数下,给出了负二项分布可靠度的Bayes和多层Bayes估计,并利用E Bayes方法给出了负二项分布可靠度的E Bayes估计.针对得到的3种估计,给出了数值模拟,结果表明:E Bayes估计比多层Bayes估计优良.