结合本体的贝叶斯网络信息检索模型的研究与实现

针对信息检索模型检索性能的问题,将本体及本体语义相似度度量方法运用于基于贝叶斯网络的信息检索模型中,通过利用领域本体表达信息的规范性及本体语义推理的准确性对查询需求进行扩展,提高查询的性能。给出了信息检索模型和概念语义相似度计算及查询检索方法与过程,实验证明该方法在一定程度上能够提高检索系统的性能。     

基于贝叶斯网络的集中化IT运维信息检索算法

为适应集中化IT系统运维管理形式,提高用户检索正确率,增强用户服务质量,提出了基于贝叶斯网络的集中化IT运维信息检索算法.从运维战略、模式、流程等方面分析IT运维体系架构,明确用户提交检索申请到结果反馈的整体流程;对文本信息做预处理,实现用户浏览内容结构化显示,计算用户特征矢量;利用有向图表示贝叶斯网络拓扑结构,通过获取术语节点与文件节点的先验概率,推理文件与检索之间的概率关系,过滤冗余信息;建立样本空间,将信息检索问题变换为在样本空间中的概念匹配问题,获取文件和检索的关联函数表达式,并对其做简化处理,完成运维信息检索模型构建.仿真实验表明,该方法可提高信息检索的查全率与查准率,减少网络负载.     

贝叶斯网络结构学习算法探析

贝叶斯网络将概率理论和图论相结合,为解决不确定性问题提供了一种自然而直观的方法.近年来,贝叶斯网络逐渐成为国内外智能数据处理的研究热点之一,被广泛应用于专家系统、决策支持、模式识别、机器学习和数据挖掘等领域.本文在对贝叶斯网络全面概述的基础上,深入研究贝叶斯网络的基本原理、贝叶斯网络的典型推理和学习算法.     

贝叶斯网络研究综述

贝叶斯网络将概率理论和图论相结合,为解决不确定性问题提供了一种自然而直观的方法.近年来,贝叶斯网络已成为国内外智能数据处理的研究热点之一,被广泛应用于专家系统、决策支持、模式识别,机器学习和数据挖掘等领域.综述了贝叶斯网络的典型推理和学习算法,并对其进一步的研究方向进行了展望.     

诊断贝叶斯网络模型构建与工程应用

提出了一种基于故障树的诊断贝叶斯网络建立方法,给出了用贝叶斯网络描述故障树中事件间基本关系方法,分析了贝叶斯网络对多态逻辑、关联故障、不确定关系等问题的扩展表达能力.以某型飞机外挂接口单元为例,研究了基于故障树构建诊断贝叶斯网络的工程方法,提出了一种基于故障注入的贝叶斯网络故障诊断模型评估方法.     

现代信息检索理论架构研究

信息作为一种新的资源,对当代经济和社会的发展起着非常重要的作用,如何高效快捷地利用现代信息是当前我国信息检索领域研究的重要问题。阐述了现代信息检索理论架构研究的前提,分析了当前主要的信息检索理论,探讨了网络信息检索的主要方法。     

基于移动Agent技术的网络信息检索研究

移动Agent技术的诞生和发展是分布式人工智能技术和网络技术发展的必然结果.基于移动Agent技术的网络信息检索方法改进了传统网络检索的一些局限性问题,如网络流量大、浪费网络资源、检索效率低等,因而明显提高了网络信息的检索效率.论述了Agent及其移动Agent的基本理论,并提出了移动Agent技术应用于信息检索的方法及移动Agent技术在网络信息检索中的具体运用.     

统计学习方法在语义消歧中的应用研究

语义歧义大量存在于自然语言中,其排歧成功率是衡量机器翻译、信息检索、文本分类等自然语言处理软件性能的重要指标.对语义消歧这一自然语言理解领域的难点技术问题进行了探讨,分析了统计学习方法在语义消歧中的应用,阐述了统计语义消歧的有关技术,并给出一个基于贝叶斯与机读词典的语义消歧实例,取得了较高的语义消歧成功率.     

贝叶斯网络学习算法研究

贝叶斯网络是一种概率图形模型,它提供了不确定性环境下的知识表示、推理、学习手段,可以完成决策、诊断、预测、分类等任务,已广泛应用于数据挖掘、语音识别、工业控制、经济预测、医疗诊断等诸多领域。贝叶斯网络将概率理论和图论相结合,为解决不确定性问题提供了一种自然而直观的方法。在对贝叶斯网络全面概述的基础上,深入研究了贝叶斯网络的结构学习。     

基于贝叶斯网络的列控车载设备故障诊断

针对目前高速铁路列控车载设备故障诊断过度依赖于专家经验且诊断正确率不高等问题,提出了以专家知识为基础,以贝叶斯网络为核心的故障诊断方法.首先,以CTCS3-300T型列车运行控制系统的车载设备为研究对象,建立基于专家知识的贝叶斯网络.其次,根据故障记录数据集使用K2算法进行结构学习并对学习后的贝叶斯网络结构做适当简约处理.利用极大似然估计算法进行参数学习,得到故障诊断的最优贝叶斯网络.最后,通过诊断推理,得到该故障诊断模型的诊断正确率为88.20％,验证了该贝叶斯网络模型的可行性和有效性.     

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.     

贝叶斯网络在高职英语应用能力考试中的应用研究

通过K2算法,利用贝叶斯网络构建了一个高职英语应用能力考试的预测模型,用基于贝叶斯网络的分类器来对影响英语应用能力考试通过的因素进行分析,并利用真实数据做了分析验证,验证结果基本符合实际情况.通过该模型的应用,可以为高职学生今后的英语学习指明方向,为高职学院的教育教学管理和改革提供决策支持.     

基于影响图的多Agent决策问题研究

影响图是决策问题的图形表示,它是在贝叶斯网络基础上增加了决策结点和效用结点。文章讨论了影响图理论在多Agent建模与决策方面的应用;提出了联合分层影响图和动态贝叶斯网络来实现多Agent的实时决策的方法,该方法已在Robcup球员建模和决策方面初步得到应用。     

基于多分片贝叶斯网络的多Agent系统模型表示

多Agent系统模型表示是系统实现推理、学习、自组织和Agent间通信的基础。由于多Agent系统结点较多的特性, 一般用单个贝叶斯网络作为模型表示是不现实的。本文提出用多分片的贝叶斯网络作为多Agent系统的表示语言,并详细讨论了将多分片贝叶斯网络转化为具有良好推理计算特性的联合树扩展形式的连接联合森林的具体过程。     

贝叶斯网络在适应性E-Learning系统中的应用

在适应性E-Learning系统中，建立学生学习模型的过程中难度最大的是处理众多的不确定因素，本文运用了贝叶斯网络的推理机制来处理这些不确定因素。     

基于XML的自适应E-Learning系统模型的研究

在现有的基于Web的E-Learning 系统模型分析的基础上,提出了一种新的基于XML的E-Learning 系统模型,该模型采用了贝叶斯网络的推理机制来建立学生学习模型,以实现适应性学习、个性化学习;在实现系统模型上引入了XML技术,以实现学习资源的标准化.     

评价网络理论在电力公司反应堆建设决策中的应用

电力公司反应堆建设中的一个决策问题,是如何依据过去经验和试验结果来选取最优的建设方案。评价网络理论（valuation networks）是贝叶斯决策问题表示和求解的新方法。以某电力公司为例,应用评价网络理论,以反应堆建设的决策问题进行分析,给出了决策问题的具体表示和求解的详细过程。     

基于贝叶斯网络分类器的车牌相似字符识别

相似字符识别率低会影响整个车牌识别系统的性能,而相似字符之间只有局部特征差异较大,并且相似字符样本数目多少差异较大,目前常用的分类器表现得都不稳定.贝叶斯网络分类器充分利用和综合先验知识与样本信息,无论实验样本和特征数目多少,表现得都很稳定.通过使用几千个测试样本对分类器进行测试,并与其他分类器的识别结果作比较.实验结果表明,在相同的特征下,与AdaBoost分类器、BP神经网络分类器、SVM分类器相比,贝叶斯网络分类器对车牌相似字符的识别有较高的识别率和更高的稳定性.     

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.     

基于贝叶斯网络的飞行安全人因可靠性评估模型

基于广义人-机-环境复杂系统,对飞行人员可靠性、空中交通管制人员可靠性和航空器维修人员可靠性进行了分析,综合考虑常用可靠性评估方法的优缺点,采用贝叶斯网络建立了飞行安全人因可靠性的评估模型.该模型综合运用诊断推理和支持推理形式,分析直观,计算简便,适用于广义的人-机-环境复杂系统建模;同时该模型可以根据后验概率来调整先验概率,从而有效地提高了评估的精度.