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     

基于贝叶斯网络的态势评估诊断模型

针对传统的水电设备诊断模型通用性差等问题,提出了基于贝叶斯网络的水电设备态势评估诊断模型.该态势评估模型根据功能分为三层结构:特征级、理解级、评估级.并将贝叶斯网络中的节点按照功能分为态势节点和事件节点,采用网络推理过程将传感器采集信息作为事件节点的证据用来更新态势节点概率,并反过来影响事件节点的概率.该诊断模型在水电设备调速系统的诊断应用中的准确率达到95.2%,证实了该模型的判决可信度.     

基于贝叶斯网络的网络安全态势评估方法研究

针对当前网络安全评估系统不能提供有用态势信息的缺陷,提出了一种新的网络安全态势评估方法。将贝叶斯网络应用于网络安全态势评估中,根据多树型网络推理,利用贝叶斯网络的图形结构,提出了由点到面、自下向上相互影响的多元化安全态势评估模型。并将网络及主机工具采集的信息作为事件节点的证据来更新态势节点的概率,并反过来影响事件节点的概率,从而预测网络安全态势。     

一种基于贝叶斯网络的故障预测方法

为了研究故障在复杂工程系统中的传播机制,根据关键节点的状态异常信息预测系统发生故障的概率,提出一种基于贝叶斯网络的故障预测方法.根据工程系统自身固有的网络拓扑结构,构建了多层贝叶斯网络模型,利用定性趋势分析法将时间信息融入网络节点中,使得网络具有处理时序信息的能力,便于进行故障传播机理分析和故障预测.提出了基于元器件健康度的根节点故障概率确定方法,针对完备数据集和非完备数据集,选择不同的参数学习方法确定贝叶斯网络的条件概率表,采用多树传播算法进行联合概率推理,由系统根节点运行状态推测其余节点的故障概率.算法在Quanser三自由度四旋翼直升机上进行了仿真应用,结果验证了该方法的可行性和有效性.     

带区间参数的贝叶斯网的近似推理

 用区间概率代替贝叶斯网中的点概率,将贝叶斯网扩展为带区间参数的贝叶斯网,使得贝叶斯网更具一般性.用规范概念的计算规则进行区间概率的计算,用Gibbs采样的近似推理法对带区间参数的贝叶斯网进行近似推理,计算后验概率.并给出近似推理的算法和实验,实验结果表明该方法是有效的.     

浅析贝叶斯公式及其在概率推理中的应用

贝叶斯推理是在不完全信息下,对部分未知的状态利用主观概率估计或统计得到的先验概率,然后用贝叶斯公式对诱发某结果的最可能原因进行概率推理。本文通过例子介绍了贝叶斯公式的意义及其在概率推理中的应用。     

安全气囊气体发生器用过滤网浅析

过滤网是烟火式安全气囊气体发生器的重要组件之一。过滤网的主要作用是降低燃气温度并过滤残渣，从而减少气囊模块展开时发生器内膨胀气体对气袋的冲击和灼伤。过滤网种类较多，每种过滤网的制作工艺差别较大。该文对各种过滤网的制作工艺及特点进行归纳，重点研究针织压制过滤网对发生器性能的影响。该文介绍了针织过滤网、编织卷制过滤网、金属丝缠绕过滤网、拉伸钢板网四种典型的过滤网，通过对不同类型、不同密度的过滤网进行对比试验，表明在过滤网各参数中，影响发生器性能的关键因素为过滤网的密度，数据显示出随着过滤网密度的增加，发生器产生火焰的长度及数量明显减少、喷出残渣重量减少、气体温度降低；另外，通过分析针织压制工艺并对卷网工序提出改进方法，可以有效地提高发生器性能的一致性。     

模糊贝叶斯网在通信行业客户流失预测中的应用研究

文章针对移动通信公司客户的情况,为解决预测客户流失率时满意度模糊的问题,提出了通过使用语气算子、信息转换公式,使得模糊语言转化为精确概率,并将其整合到模糊贝叶斯网中,最终能够预测客户流失概率。实验证明,经过改进后的贝叶斯网,能够在一定程度上反映交流语言的模糊性,在信息模糊情况下能够较好地预测客户的流失情况。     

基于贝叶斯网络的可信概率评估方法

针对ad-hoc现存的问题,基于贝叶斯网络提出一种ad-hoc网络中评估节点可信度的模型.根据节点在网络的属性,利用贝叶斯网络,动态地计算节点可信度,模型可以根据节点关注的属性不同,调整贝叶斯网络子节点概率分布表,从而实现灵活的可信评估策略.结合贝叶斯网络,用概率统计的方法计算节点的可信度,该方法使用贝叶斯网络计算,评估节点的当前状态在历史通信记录的基础上的可信概率.仿真结果表明,本方法能够动态反映节点可信程度,及时地发现恶意攻击.     

IFS-BN结合的辐射源威胁评估方法

针对辐射源威胁评估实时性、复杂性和信息不确定性的问题,将直觉模糊集与贝叶斯网络相结合,提出一种基于IFS-BN的辐射源威胁评估方法。IFS-BN算法通过直觉模糊集刻画贝叶斯网络的节点信息,充分描述节点信息的确定性,不确定性以及犹豫度。同时,将直觉模糊集求得的各辐射源先验概率代入贝叶斯网络模型之中,得出后验概率进行威胁等级排序,并在此基础上建立了相应的评估指标体系。仿真分析表明,算法具有较好的可行性与有效性。与经典贝叶斯网络评估方法相比,IFS-BN算法的结果更加客观合理。     

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.     

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.     

一种PNN网络的EM训练算法

提出一种概率神经网络（ＰＮＮ）的ＥＭ（ＥｘｐｅｃｔａｔｉｏｎＭａｘｉｍｉｚａｔｉｏｎ）训练算法．ＰＮＮ网为一四层前馈网,它构成一个贝叶斯分类器,实现多类分类的贝叶斯判别,它把输入的样本模式,经网络变换为输出的分类判决．其网络节点对应于贝叶斯后验概率公式的各个变量．此ＰＮＮ网络用高斯核的Ｐａｒｚｅｎ窗函数作为核密度函数,网络参数训练由ＥＭ算法实现,其学习方式为类间的监督学习和类内的非监督学习．实验表明了此网络及其学习算法在分类应用中的有效性．     

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.     

基于故障树分析和贝叶斯网络方法的液压举升机构故障诊断

为应对液压举升机故障原因复杂,诊断方法准确性不高等问题,提出一种基于故障树和贝叶斯网络的液压举升机故障诊断方法。首先建立液压举升机构故障树,然后将故障树转换为贝叶斯网络,利用三角模糊函数表示举升机底事件发生概率,得到底事件模糊概率,将其做为先验概率计算叶节点发生概率,进而求得根节点后验概率以及概率重要度,可快速诊断出故障点。     

一种朴素贝叶斯学习辅助的接触图路由算法

接触图路由(CGR)是星际网络路由协议中的一个重要组成部分，星际网络中节点易受电磁干扰或自身资源不足影响而失效，高度依赖先验知识的接触图路由在节点意外失效时通信性能会急剧恶化。针对上述问题，提出了在接触图路由中引入朴素贝叶斯学习模型来预测节点可靠性的方法。首先根据接触图路由的特点建立节点快照；然后基于节点快照进行朴素贝叶斯建模，预测节点间的不可靠性概率；最后在路由决策时考虑不可靠性概率，选择不可靠性小的节点转发数据。实验结果表明，引入朴素贝叶斯学习可以有效提高接触图路由在恶劣的太空环境中应对节点意外失效的能力，实现对数据的高效传输。     

基于贝叶斯概率模型的邮件过滤算法探讨

讨论了邮件过滤模块,通过分析研究该模块中垃圾邮件关键词的统计概率分布,提出了基于贝叶斯概率模型的邮件过滤算法,并对该算法的合理性和复杂度进行了分析.可以根据垃圾邮件内容的特征,建立贝叶斯概率模型,计算出一封邮件是垃圾邮件的概率,从而判断其是否为垃圾邮件.     

论贝叶斯学习机的学习过程

贝叶斯学习是机器学习研究的一个重要方向,它是以贝叶斯定理为基础,基于已知的概率分布和观察到的数据,并结合先验知识进行推理,作出最优决策的一种概率手段. 本文首先针对参数和变量的不同类型分别给出四种情形的贝叶斯公式,然后结合一个指数分布的特例,研究了贝叶斯学习过程中有关信息的转换过程,指出了如何合理正确地利用先验信息、模型信息和样本信息.     

基于贝叶斯概率树的机会社会网络转发节点选择方法

选择合适的节点并将消息迅速转发到目标节点是机会社会网络关键问题之一。现有研究的不足主要是未充分考虑节点的社会属性以及节点的动态性。本文提出了一种基于贝叶斯概率树的转发节点选择(Bayesian Probabilistic Tree Forward Node Selection,BFANS)方法。根据节点具有的社会属性及相遇概率划分社区;社区内利用节点相遇概率值构建贝叶斯概率树;分别采用社区内和社区间两种方式进行消息的转发。实验表明,该方法在消息投递成功率上得到提高,并且降低消息的平均时延及路由开销比率。     

学生就业贝叶斯网模型的构建与推理

贝叶斯网是一种帮助人们将概率统计应用于复杂领域、进行不确定性推理和数据分析的工具.构建了学生就业贝叶斯网模型,找出就业受择业观念、能力素质、择业技巧、就业心理等因素影响的相互依赖关系,并在学生就业贝叶斯网模型基础上利用簇树进行推理.