因果图参数的在线学习

因果图理论是利用图形化和直接因果强度来表达知识和因果关系的一种基于概率论的推理方法,能够进行在线动态推理和对复杂系统进行故障诊断,连接强度是其推理的基础,文中给出了采用EM（η）算法在线学习因果图参数（连接强度）的方法,使学习出的参数能适应环境的变化,具有适时性．同时在理论上证明了这种方法的可行性和优点．     

因果图转换为信度网的算法

动态因果图理论是在信度网基础上发展起来的一种不确定推理模型,两者在知识表达上存在一定的差别,但大体结构类似,在一定的条件下可以进行相互转换.从分析信度网与因果图的知识表达方式的异同入手,最后推导出一种将因果图模型转换为信度网模型的算法,主要从构成信度网模型的两大要素--拓朴结构和条件概率表两方面的生成算法进行了推导和阐述.     

多值动态不确定因果图的推理算法研究

利用领域知识求解多值动态不确定因果图的联合概率分布所涉及的领域因果图的概率分布表达式构造难度大,针对这一问题,从2类因果循环图出发,提出一种基于图分解的推理算法。该算法极大地简化了全局概率分布表达式的构造过程,有效地降低了领域因果图概率分布表达式构造的难度。提高了多值动态不确定因果图的推理效率。     

基于因果图的贝叶斯网络

在贝叶斯网络中引入了因果图的理论,提出了一种基于因果图的贝叶斯网络,经实验证明,很好地解决了贝叶斯网络中的问题,在现实中有着重要的应用价值.     

基于遗传算法的因果图网络结构学习

在因果图理论中,采用了图形化和直接因果强度来表达知识和因果关系,它克服了贝叶斯网的一些不足,已发展成了一个能够处理离散变量和连续变量的混合模型.但是因果图的结构得由领域专家给出,这在实际中很难办到.鉴于因果图结构的复杂度随论域中节点个数的增加呈指数上升,寻找最有可能因果图网络结构成为了NP-HARD难题.文中给出了如何利用已知数据集,寻找最有可能的因果图网络结构设计的遗传算法（Genetic Algorithm,GA）.     

一种因果图模块的划分方法

把因果图转化为贝叶斯网络结构,用深度优先最左遍历方法寻找因果图的故障模块,改进了因果图在安全系统诊断中的应用.     

基于粗糙集理论和因果图的故障诊断

【目的】复杂系统发生故障时会导致许多冗余信息产生,以此建立的因果图模型结构复杂,推理难度较大,针对这个问题提出了基于粗糙集和因果图理论的故障诊断方法。【方法】先根据历史故障数据建立决策表,利用粗糙集理论对决策表进行属性约简得到最小决策表,再根据最小决策表对原始因果图进行约简,最后利用约简后的因果图模型进行故障诊断推理。【结果】从一定程度上降低了因果图模型的复杂程度,从而提升了推理速度。【结论】以某电网为例应用此方法,因果图模型的确得到了简化,样本检验结果也与实际结果一致,说明了该方法的可行性和准确性。     

模糊因果图分析方法新探

因果图理论是一种基于概率论的不确定性推理模型,能够很有效的对系统进行故障诊断和分析,但在因果图模型中,要求事件的发生概率为精确值.然而在实际生活中事件的发生概率具有模糊性和不确定性的特点.将模糊集合理论引入其中,将普通事件拓展为模糊事件,并且对模糊因果图进行了定性和定量分析,解决了获取事件发生概率精确值的难度,也使得因果图的应用范围更广.     

一种基于概率图模型的研究生生源质量评价方法

 为了基于研究生生源信息把握影响研究生质量的相关因素,并分析这些因素之间的内在关系,进而有效地对研究生生源质量进行定量评估.基于概率图模型,提出了从历史数据的模型构建方法、基于概率推理算法的生源质量评价技术,通过理论分析、实例阐述和真实生源数据之上的实验,验证了该文方法的可行性.该研究可为研究生的招生和培养提供量化的评价方法、为招生决策提供科学的依据.     

利用Petri网模型的求解因果图最小割集的算法

【目的】为快速有效地求得因果图的最小割集。【方法】将因果图转换为Petri网模型,利用Petri网的特点提出一种新的求解因果图最小割集的算法,该算法省略了求因果图节点事件的一阶割集和最终割集这两步,大大减少了因果图用于故障诊断的时间。【结果】以实例说明了这一求解过程,并验证了算法的有效性。【结论】利用上述算法能够快速有效地求得最小割集,从而可对系统进行定性分析。
     

物理学中因果性概念的演变

本文考察了物理学中因果性概念的演变过程,阐述了亚里士多德自然哲学、牛顿力学、相对论和量子力学中的因果性概念．     

用递归BDD（二元决策图）技术分析因果图

故障树是以系统最不希望发生的顶事件为目标,通过分析找出导致顶上事件发生的全部因素;在故障树分析中,二元决策图(简称BDD)是最有效的方法之一,由于故障树和因果图都是用图形表示因果关系,两者具有很多相似性,而BDD在故障树中有广泛的应用;通过研究表明:在一定条件下,故障树和因果图之间可以互相转化,因此可以分析BDD的原理,并将BDD技术用来分析因果图。     

T S模糊门在因果图中的应用

T-S模糊门在故障树分析中已得到广泛应用,并具有较好的实用性.鉴于因果图和故障树都可以用于故障诊断,用图形表示因果关系,两者具有很多相似性,并且在一定条件下,因果图和故障树可以相互转化,故将T-S模糊门引入到因果图中,考察其实用价值.     

动力学因果性与统计因果性

本文考察了动力学因果性和统计因果性的发展,指出了它们之间的相互关系     

网路的独立方程式

本文尽可能少涉及网路拓扑学的概念,以矩阵的性质对网路的独立方程式给出简要的理论分析。     

基于超椭球模型的T-S模糊因果图的故障分析

研究了用区间数对T-S模糊因果图的故障诊断问题,同时考虑了基于超椭球模型对因果图的故障区间加以约束;首先,建立T-S模糊门,通过D-S理论建立适当的超椭球模型处理因果图中不确定性参量的取值范围和解决复杂系统的故障机理和多态性;其次,将超椭球模型转化成单位超椭球模型,在超椭球内产生均匀分布的随机数,对其进行均匀采样,从而得到了更加符合实际T-S规则的故障可能性区间概率;最后,利用Matlab进行数值模拟,证实了由超椭球模型所得结论的有效性;结果显示:超椭球模型能有效减缓因果图获取精确数据的难度,比区间模型下的范围对因果图更加具有可靠性和实际意义。     

平面四杆机构的动力学概率分析

在平面连杆机构运动学概率分析的基础上,建立了平面连杆机构动力学参数的概率分析模型,给出了平面四杆机构运动副反力的概率数字特征值计算公式,并以一简单平面铰链四杆机构介绍了此模型的使用.整个模型以矩阵形式表达,避开了对机构输出表达式直接微分时复杂的数学运算,成功地解决了机构输出参数误差的相关性问题.