基于贝叶斯分类算法在中医临床证型诊断中的研究与实现

在中医药临床个体化诊疗信息平台的基础上,使用中医证型的辨证相关因素,利用信息增益算法进行辩证属性选择,并分别采用朴素贝叶斯和强属性集贝叶斯网络算法建立了中医冠心病临床证型诊断模型.     

基于属性加权朴素贝叶斯的冠心病辨证模型

在原有中医药冠心病临床治疗数据采集系统的基础上,使用中医证型的辨证相关因素,提出属性加权朴素贝叶斯算法,并应用到冠心病中医证型的分类模型之中.实验结果显示,对于冠心病4种证型的分类,运用属性加权朴素贝叶斯分类算法都略高于朴素贝叶斯分类算法.实验结果表明属性加权朴素贝叶斯分类算法在中医冠心病临床诊断中具有良好的分类性能.     

快速建立基于贝叶斯网络的故障诊断系统

文章简要介绍了贝叶斯网络的模型构造，阐述了建立用于故障诊断的贝叶斯网络的通常方法，说明了如何使用MSBN3控件快速建立基于贝叶斯网络的故障诊断与维修决策系统，并将其应用于某激光告警设备的维修决策，在实践中进行了验证。     

基于贝叶斯方法的知识发现

贝叶斯方法是概率统计学中一种很重要的方法。贝叶斯网络就是根据各个变量之间概率关系用图论方法建立的模型,本将概率统计的贝叶斯规则应用于知识发现,建立图论模型进行数据挖掘,章最后应用贝叶斯网络对于实际的数据库进行知识发现,其结果说明了这种方法的有效性。     

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.     

动态贝叶斯网络在战争身份识别中的应用

在战争身份识别中运用贝叶斯网络时,系统参数不能做到及时调整,动态贝叶斯网络可以解决这一问题,通过建立网络模型,引入时间因素,对系统参数进行分析与后验概率推理,利用隐马尔科夫模型对推理进行仿真实验.通过动态贝叶斯网络在战争身份识别中的使用为指挥员在有限的时间内作出有效的评估识别提供了依据,具有重要的实战意义.     

贝叶斯网络在组织因素对系统可靠性影响中的应用

介绍了核电站系统在运行过程中的组织因素对系统可靠性的影响以及贝叶斯网络的理论基础,以贝叶斯概率和贝叶斯网络基本理论为基础建立了相应贝叶斯网络模型,并对该模型展开了进一步分析与解释.     

基于贝叶斯网络的路网失效程度评估方法研究

创造性地将贝叶斯网络应用于路网失效的评估中。选择连通可靠性作为评价标准,运用实例分析的方法,对基于贝叶斯网络的路网失效程度评估方法进行了研究。通过对路网的失效成因进行分析建立路网失效对应的事件树与故障树,并引入故障树向贝叶斯网络转化的算法,提出了利用贝叶斯网络对城市路网的失效程度进行评估的方法。最后举出一个简单的路网实例,按上述方法对其建立了其路网失效的贝叶斯网络,并利用MSNBX软件对该路网遭遇不同类型攻击时的失效情况进行了模拟计算,得到了实例路网的失效程度。实验结果证明了所探讨的方法的有效性,并为贝叶斯网络在大规模路网研究中的应用提出了一些思考和建议。     

基于粗糙集与贝叶斯网络的推理和诊断模型

基于粗糙集知识约简、规则提取的优势和贝叶斯网络强大的推理能力,对决策表进行约简和提取决策规则获取节点关系、节点概率分布等信息,以获取的信息为基础建立贝叶斯网络模型.然后通过贝叶斯网络实现进行高效快速的推理和诊断.实例分析表明,该方法是可行有效的.     

朴素贝叶斯方法在中医证候分类识别中的应用研究

中医证候和症状描述错综复杂,如何较好地对病患所属证候进行鉴别诊断,一直是临床医疗工作者的首要目标,把数据挖掘技术的朴素贝叶斯分类方法应用到中医证候的诊断识别中,是一个较好的尝试.为了提高分类识别的效率,在分类特征的选择上,使用了遗传算法对原有的特征进行了优化.在使用朴素贝叶斯分类方法对中医证候进行分类识别并用遗传算法改进时,经历了以下过程:首先合理抽象鉴别诊断过程并建立数学模型;其次,提出了使用数据挖掘技术中的朴素贝叶斯分类方法对模型求解;第三,考虑到特征数量较大,运用了遗传算法进行特征优化;最后,使用医学上常用的ROC曲线评价方法对改进前后的分类识别的效率进行分析比较.     

贝叶斯诊断网络平台的开发与实现

针对贝叶斯诊断网络在实际应用时需要对具体对象建立相应诊断网络的问题,开发了一个贝叶斯诊断网络平台.重点讨论了网络的数字化、网络拓扑顺序的确定和赌轮选择等平台实现的3个关键问题.采用数字形式来描述网络的拓扑模型,刻画了网络的全部信息.节点间的关系则用关系矩阵简洁、直观地予以表达,并据此确定网络的拓扑顺序.利用赌轮的选择功能,实现了网络节点状态的实例化.该平台简单易用,为网络的建立和推理提供了一个有效、便利、通用的运行环境.利用该平台为天津石化炼油厂的一台烟机建立了贝叶斯诊断网络,实例表明,该平台能够用于贝叶斯诊断网络的构建和推理,也为贝叶斯诊断网络的工程应用提供了一个有力的工具.     

基于贝叶斯网络的分类器研究

研究了贝叶斯分类器家族中具有代表性的分类器，即朴素(naIve)贝叶斯分类器、贝叶斯网络分类器和TAN(tree augmented Bayesian)分类器；发现属性变量之间的依赖相对于属性变量与类变量之间的依赖是可以忽略的，因此在所有树形分类器中TAN分类器是最优的．     

结合定性知识的定量贝叶斯模型外推方法 

针对新设计域中试验数据有限而难以进行模型验证的问题,提出了定性知识与定量贝叶斯推理相结合的模型外推方法.其中,量化方法用于将领域专家意见等定性知识转化为先验概率;贝叶斯网络及限定抽样范围的蒙特卡罗方法用于定量推理,并通过贝叶斯区间假设检验的贝叶斯可信度提供模型外推结果.对Sandia国家实验室某静态力学结构的研究表明,该方法能有效实现新设计域不确定性系统的模型可信度外推.     

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。     

福州地名文化景观空间分布特征与影响因素

以福州市为研究区域,按照地名反映出的自然及人文特征进行统计分类,利用地理信息系统技术与地理探测器定量分析地名空间分异与影响因素.研究结果表明:自然与人类景观类地名的空间分布非随机且呈显著的集聚模式,形成“中部高、外围低”的核密度分化特征;对地名空间分异的影响程度从高到底排序依次为文物古迹数量、人均GDP、人口密度、城镇化率、年均降水量、坡度与路网密度;地名的空间分异受到自然生存环境与社会人文活动的综合约束作用,其中,文物古迹数量与人均GDP的交互占据主导约束作用.     

受电弓系统可靠性评估的超椭球贝叶斯网络方法

针对受电弓系统复杂多态特性以及故障概率难以精确表达的问题,且现有研究主要滞留于结合证据理论的模糊贝叶斯网络的现状,首次将超椭球贝叶斯网络引入受电弓可靠性分析中,规避了模糊贝叶斯网络区间取极值的情况,使得根节点的概率取值区间进一步被界定;进而以超椭球贝叶斯网络求解受电弓系统在不同故障状态下的叶节点故障率、灵敏度、后验概率等可靠性参数,找出了影响系统可靠性的高风险事件.经与模糊贝叶斯网络对比可知,超椭球贝叶斯网络区间更小,验证了新方法的正确性与实用性.     

模糊动态贝叶斯可靠性分析方法及其在动车制动系统中的应用

针对动车制动系统的故障发生率具有模糊不确定性以及实际工作环境中故障的发生包含动态性特点,运用三角模糊数和扩展原理来表示底事件故障率,将动态离散时间贝叶斯网络模型与故障树模型相结合,分析获得动态贝叶斯网络叶节点的模糊故障率和各根节点的后验概率。解决了不确定条件下的动态系统可靠性分析问题,对兰新客专线路上运行的动车组的制动空气供给系统进行分析,获得了系统的可靠度预测曲线和薄弱环节,为该路线上运行动车的制动系统针对故障特点制定相应的检修和维护方案提供了理论依据。     

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.     

基于贝叶斯网络的作战效能分析方法

天基信息系统的作战效能评估已经成为军事领域的研究热点。提出一种基于贝叶斯网络的天基信息系统作战效能分析方法。首先通过仿真平台获取仿真数据,然后采用基于搜索的贝叶斯网络结构学习算法和期望最大化(expectation-maximum, EM)参数学习算法学习数据样本,构建贝叶斯网络模型,最后从贝叶斯网络的节点敏感性分析出发,从载荷层、能力层两个方面分析了天基信息系统的可见光侦察卫星、合成孔径雷达(synthetic aperture radar, SAR)成像侦察卫星以及电子侦察卫星对作战效能的影响。同时,仿真验证了该方法应用在天基信息系统作战效能评估的有效性和可行性,能够为武器装备体系效能评估提供坚实的技术支撑。     

基于贝叶斯网络的物流无人机碰撞风险评估

为降低城市物流无人机（unmanned aerial vehicle,UAV）碰撞风险,识别关键风险因素,构建贝叶斯网络模型进行风险评估。在收集7个真实无人机碰撞事故案例和文献调研的基础上,提炼出15个主要风险因素,并通过问卷调查将风险集划分为低、中、高三个等级对风险发生概率数据进行收集与评估,随后运用解释结构模型（interpretative structural modeling,ISM）对风险因素进行层级划分构建贝叶斯网络模型。根据所构建的贝叶斯网络,将收集数据导入GeNIe,对贝叶斯网络模型进行参数学习,得到无人机碰撞风险不同等级的概率分布。最后对贝叶斯网络模型进行逆向推理、敏感性分析和影响强度分析,明确导致无人机发生碰撞事故的关键因素和敏感因素,依据分析结果提出风险防控建议。