超贝叶斯图模型及其联结树的构建

不确定性数据模型是在复杂的环境中对不确定信息及其之间关系的一个比较准确的描述,能有效地处理复杂的实际问题,如贝叶斯网、粗糙集等传统的不确定数据模型.本文提出一种超贝叶斯模型,用来表示复杂数据间的相关性以及数据间不确定性;分析了超贝叶斯图条件独立的性质;从而给出超贝叶斯图的联结树的构建方法及算法;基于联结树进行概率化简,经过理论证明和实例仿真验证了超贝叶斯图是一种有效的不确定性模型,本文研究结果为超贝叶斯图描述和处理不确定性数据问题提供了理论依据.     

基于模糊贝叶斯理论更新概率可靠性模型

贝叶斯理论是基于无损检测结果对海洋工程结构可靠性进行更新研究的有力工具。针对传统贝叶斯理论无法有效地处理海洋结构无损检测中存在的大量模糊不确定性问题 ,根据模糊集合论的基本原理 ,在海洋结构可靠性概率模型更新研究中引入了模糊贝叶斯理论和模糊综合评判方法 ,对模型不确定性和检测结果中的模糊不确定性进行了定量评估。对基于检测结果的更新可靠性模型的参数分布和模型权值进行了探讨 ,并采用模糊综合评判方法确定了模型权值的先验概率。算例结果表明 ,此方法是可行的 ,检测结果的模糊性对可靠性概率模型更新具有重要影响 ,考虑模糊不确定性可以得到更为合理的结果。对于参数的概率密度函数而言 ,考虑多个模型和只考虑一个模型可得到相同的结果 ,但参数的不确定性对模型权值的更新有一定的影响。在工程实际应用中 ,对于有关海洋工程结构经检测和维修后的可靠性更新问题 ,应该考虑模糊不确定性的影响     

基于模糊贝叶斯理论更新概率可靠性模型

贝叶斯理论是基于无损检测结果对海洋工程结构可靠性进行更新研究的有力工具。针对传统贝叶斯理论无法有效地处理海洋结构无损检测中存在的大量模糊不确定性问题，根据模糊集合论的基本原理，在海洋结构可靠性概率模型更新研究中引入了模糊贝叶斯理论和模糊综合评判方法，对模型不确定性和检测结果中的模糊不确定性进行了定量评估。对基于检测结果的更新可靠性模型的参数分布和模型权值进行了探讨，并采用模糊综合评判方法确定了模型权值的先验概率。算例结果表明，此方法是可行的，检测结果的模糊性对可靠性概率模型更新具有重要影响，考虑模糊不确定性可以得到更为合理的结果。对于参数的概率密度函数而言，考虑多个模型和只考虑一个模型可得到相同的结果，但参数的不确定性对模型权值的更新有一定的影响。在工程实际应用中，对于有关海洋工程结构经检测和维修后的可靠性更新问题，应该考虑模糊不确定性的影响。     

基于概念格提取简洁关联规则

从量化封闭项集格所提取的所有最小无冗余规则,虽满足最小前件最大后件的要求,但并不是满足用户设定支持度和置信度的最小规则集.本文提出了一种全局简洁关联规则,使所提取的规则集最小,并给出了基于量化封闭项集格提取全局简洁规则的算法.     

基于T-S模型的模糊神经网络

一种基于Ｔａｋａｇｉ－Ｓｕｇｅｎｏ模型的模糊神经网络由前件网络和后件网络两部分组成。前件网络用来匹配模糊规则的前件，它相当于每条规则的适用度。后件网络用来实现模糊规则的后件。总的输出为各模糊规则后件的加权和，加权系数为各条规则的适用度。所提出的模糊神经网络具有局部逼近功能，且具有神经网络和模糊逻辑两者的优点。它既可以容易地表示模糊和定性的知识，又具有较好的学习能力。给出了调整规则后件参数及前件隶属度函数参数的学习算法，举例说明了它的逼近性能。     

贝叶斯网络VE推理算法的并行化研究

贝叶斯网络是一种强有力的不确定性推理和数据分析工具.网络推理是贝叶斯网络的重要内容之一.VE算法是利用联合分布的分解来简化推理的贝叶斯网推理算法.提出一种基于最小缺边搜索算法的消元顺序(PL_OE)算法,使VE算法可并行执行,降低了贝叶斯网推理的时间复杂性.     

关联规则挖掘方法的改进

分析了关联规则的衡量标准,针对其中的缺点和不足,提出了一种匹配度方法用以取代置信度,并将匹配度方法生成的规则与支持度-置信度框架生成的规则进行了比较.结果表明:用匹配度方法生成的规则不仅前件和后件具有较高的相关性,而且减少了冗余规则的生成.     

基于Ontology的数据挖掘在计算机动态取证中的应用

动态取证势必会产生大量的杂乱无章数据.如何对大量繁杂的数据进行有效的分析,成为动态取证的关键问题.提出了基于本体的数据挖掘模型,利用此模型实现了高精度的语义挖掘,根据挖掘结果提供了预警防范服务,利用关联规则具体说明了基于本体的数据挖掘的过程,并用贝叶斯网络模型简单计算了实例本体间的关联程度,实现了关联挖掘.应用实例表明基于Ontology的数据挖掘提高了对攻击源定位追踪的准确性和实时性.     

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.     

一种基于权限的安卓恶意软件检测方法

针对基于特征代码的Android恶意软件检测方法难以检测未知恶意程序,且基于行为的检测方法误报率较高的问题,提出了一种基于权限的Android恶意软件检测方法.该方法首先在静态分析的基础上,结合动态行为分析提取权限特征;然后,采用权限特征关联分析方法,挖掘权限特征之间的关联规则;最后,基于朴素贝叶斯分类算法,建立恶意应用检测模型.实验结果表明,与现有方法相比,本文方法建立的恶意应用模型具有较高的检测率和准确率.     

基于数据挖掘的异常入侵检测系统

在分析现有入侵检测技术和系统的基础上,提出了一种基于数据挖掘和可滑动窗口的异常检测模型,该模型综合利用了关联规则和序列模式算法对网络数据进行充分挖掘,分别给出了基于时间窗口的训练阶段和检测阶段的挖掘算法,并建立贝叶斯网络,进一步判定规则挖掘中的可疑行为,提高检测的准确率.     

基于贝叶斯方法的高鲁棒性故障检测技术

故障检测在控制工程领域具有广泛的应用,而鲁棒性是衡量系统在故障检测时的不确定性的重要指标.为了提高鲁棒系统故障检测的能力,基于贝叶斯的基本原理对系统的故障和不确定性进行研究,提出一种基于贝叶斯方法的高鲁棒性故障检测方法.首先,对非线性系统的故障检测问题进行定义,分析参数空间的不确定性问题.其次,基于贝叶斯基本原理对参数空间的推导进行分析.最后,通过分析系统正常运行的参数空间与发生故障时的参数空间之间的成员关系来进行故障检测.实验表明,在四罐耦合系统中,提出的基于贝叶斯方法的故障检测技术在系统模型参数具有不确定性的条件下可以很好地进行故障识别.1     

船舶结构腐蚀检测及腐蚀模型不确定性分析

针对经典的概率论不能有效地处理检测概率的参数不确定性问题，提出了定量分析检测概率参数不确定性问题的贝叶斯方法，并以威布尔分布形式的检测概率为例，推导了量化参数不确定性的放大系数的计算公式。针对传统的数据分析法及专家判断法不能分析模型不确定性更新问题，基于无损检测信息采用贝叶斯更新方法量化了检测概率分布函数的统计模型不确定性，得到了检测概率统计模型权重的后验概率及相应的分布参数的后验概率密度函数。最后提出了分析船体结构腐蚀多层次模型不确定性问题的全概率模型法，并用算例证明了所提方法的有效性。     

一种多高斯模型下的阴影检测方法

分析了混合高斯模型阴影检测算法的不足,提出了一种基于贝叶斯更新的多高斯模型阴影检测算法.基于Porikli提出的阴影流算法,根据实际情况改进了其中的阴影区域预分类算法,更新了贝叶斯参数,最后检测阴影.实验结果证明了该方法的有效性.     

遥感地表参数反演中的一种不确定性知识处理方法

在基于贝叶斯网络的遥感参数反演模型中引入虚拟节点,提出不确定性知识表示与知识更新方法,推导了遥感反演中的参数后验信息更新公式.用北京顺义遥感实验的多尺度数据对冬小麦的叶面积指数和叶绿素面质量进行反演计算,验证了多知识源反演过程中不确定性知识对参数后验分布概率的调整模式.     

多状态机械系统可靠性的离散化建模方法

针对传统的基于二态逻辑的可靠性评估方法应用于多状态系统理论和实际应用存在差异的问题,根据贝叶斯信念网(BBN)具有双向不确定性推理功能和图形化显示的特点,提出了一种多状态机械系统可靠性离散化建模方法.首先确定BBN的节点及离散系统各元件的多个状态,并给出各状态的概率,用概率分布表(CPD)描述元件各状态之间的关系来表达关联节点的状态,最终建立离散化BBN模型.该模型避免了已有方法复杂的公式计算,对元件数量没有限制.实例分析表明了应用BBN离散化模型进行多状态机械系统可靠性评估的有效性和优越性.     

基于WOWA集结的模糊认知图

现有模糊认知图(Fuzzy Congnitive Map, FCM)模型忽略了原因节点间与或组合关系的不确定性.针对这一缺陷,作者通过引入加权的有序加权平均(Weighted Ordered Weighted Averaging, WOWA)算子来模拟原因节点间确定的或模糊的与或关系,提出了基于WOWA集结算子的模糊认知图框架.为增强传统FCM的因果认知性能,作者在此新的框架下,利用单前件模糊规则拓展数值型FCM的因果模糊测度,提出了一种混合模糊认知图模型.     

挖掘关联规则的蚁群算法

基于蚂蚁的进化算法已经被广泛地应用于各种组合优化问题。首次结合蚁群算法提出了关联规则的蚁群挖掘算法(RA3)。利用数据集中属性和属性值对应超顶点和子顶点而构成无向图。蚂蚁对在无向图中不断地分别搜索挖掘频繁项集合,从而构成双规则前件、后件,并根据规则质量对双规则加以取舍。提出的算法可以在标准测试集中有效地实现关联规则的提取。与经典的Apriori和FP-growth算法比较,模拟实验证明,本文算法可以较快的挖掘出关联规则,具有较好的规则质量。     

基于广义二型模糊Petri网的词计算模型

针对词计算中词语义的不确定性问题，为提升词的计算能力，借助广义二型模糊集和Petri网细化词的语义特性，提出了基于广义二型模糊Petri网的词计算模型；将该模型扩展到模糊逻辑推理规则，形成了词流计算模型,并应用到医疗救护系统实例以检验模型的有效性与合理性. 结果表明模型具有良好的表达能力与泛化能力.     

基于贝叶斯网络的个性化关联推荐模型研究

针对关联规则挖掘不能有效进行个性化推荐问题,研究了关联规则挖掘与贝叶斯网络相融合的个性化关联推荐模型,采用历史记录剪枝与贝叶斯网络校验相结合的办法,对关联规则挖掘算法进行改进。在关联规则挖掘过程中,结合用户历史记录,对关联规则中的频繁项集进行筛选,低于给定阈值项集被剪枝,并把剪枝后的项集输入贝叶斯校验网络进行个性化校验,对校验结果排序后按排名先后进行推荐,实现把读者真正喜欢的图书优先推荐给读者,该推荐模型在一定程度上解决了现有推荐系统中个性化较弱的问题。实验表明,贝叶斯网络可以提高关联推荐的个性化程度。