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M-DUCG中条件作用事件展开的一般形式

【目的】为克服在基于条件作用事件对所关注的假设事件进行展开时的困难过程。【方法】以命题的形式给出了基于M-DUCG中条件作用事件展开的一般形式,利用事件展开算法对结论进行了严谨的推导和证明。【结果】将所给的一般形式运用于展开事件的过程中,涉及到条件作用事件时,只需找出相应标号,代入所给命题的结论中,并将一般形式应用到实例中,实践结果体现出了直接利用一般形式展开的优越性。【结论】在基于证据确定化简图立即得到所关注假设事件的状态事件展开表达式,由此大大减少了计算量,为使用者提供了方便。     

基于D-S理论的因果图区间分析方法

【目的】针对实际应用中事件发生概率具有不确定性的特点,研究解决获取事件发生概率精确值的问题。【方法】运用D-S理论提出了因果图区间分析方法,避免了获取概率的精确值,使用似然函数和信任函数分别作为因果图中基本事件区间概率的上限和下限。针对出现异常现象的事件先确定出可能导致其发生的基本事件,再分别求出这些基本事件的后验概率,然后利用相对优势度对区间数比较大小。【结果】区间数最大的基本事件就是故障源。【结论】用区间数来表示事件发生的概率值,解决了事件发生概率精确值的不确定性问题。
     

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。     

基于模糊因果图的地铁车门系统可靠性分析

针对地铁车辆在运行过程中车门不能正常打开这一问题,利用因果图建立模型,并结合相关部件发生故障的概率,对地铁车门系统进行可靠性分析.由于系统中各部件发生故障的概率具有不确定性,故引入三角模糊数对因果图进行定量分析,从而得到各事件发生的模糊条件概率.最后,根据相关统计资料及数据,在已知证据条件发生的情况下,确定对车门系统影响最大的事件以及导致该事件发生的主要原因.研究表明,模糊因果图能够有效地对系统进行可靠性分析.     

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．     

分布自由的回归函数核估计的收敛速度

设(X1,Y1)、(X2,Y2)、…是取值于Rp×R上的随机向量(X,Y)的一列i.i.d样本,回归函数m(x)=E(Y|X=x)的核估计为mn(x)=n∑i=1 YiK(x-Xi/hn)/n∑i=1 K(x-Xi/hn)在不要求X具有密度函数f(x),对分布自由,即对所有X的分布μ和在核函数改进为包括无界支撑的,甚至不可积的情形下得出了回归函数m(x)=E(Y|X=x)的核估计及在删失情形下的收敛速度.     

NA序列的大数律

NA(Negatively Associated)随机变量序列由于在可靠性理论、渗透理论和多元统计分析中有广泛应用,因此对它的大数律的讨论不但重要而且必要.基于此,在NA随机变量序列{X,i∈N}不再需要满足同分布的条件,而只需满足条件lim x→∞ supxpsupi≥1P(|Xi|＞x)＜∞的情形下,运用子序列的方法讨论了其强弱大数律.     

回归函数改良核估计的收敛速度

回归函数的核估计在通常情况下需要核函数具有有界支撑 ,随机变量Y要求具有l阶矩 ,其中l>1。在核函数改进为包括无界支撑甚至不可积 ,并且去掉了对Y的矩的其它要求的情形下 ,讨论了回归函数改良核估计在完全样本及在删失样本情形下的收敛速度 ,得出了与原来情形同样的结论 ,推广和改进了文献 [1- 2 ]的相应结果     

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.