用于操作风险分析的小样本贝叶斯网络结构学习

现有的贝叶斯网络结构学习方法需要大量可靠例子进行复杂的运算,具有低效率和可靠性,而在操作风险管理方面积累大量可靠的例子非常困难.针对问题和实际需求,基于变量之间基本依赖关系、结点之间基本结构、d-separation标准和依赖分析方法进行小样本贝叶斯网络结构学习,分别使用模拟和真实数据进行了实验和分析,结果显示,该方法能够有效地进行小样本数据的贝叶斯网络结构学习.     

贝叶斯网络参数学习中的噪声平滑

对于存在噪声的贝叶斯网络参数学习,目前主要通过调整贝叶斯网络的结构来增强其抗噪声能力,但调整后的结构往往会降低网络的可靠性,不易实现持续学习,而且不能从源头上排除或减少噪声对参数的影响.将贝叶斯网络与Gibbs抽样相结合,以变量作为基本单位,使用马尔科夫毯提供的信息平滑一个变量对应的数据,可有效地避免上述问题.     

基于复杂网络特征的背包问题优化算法

根据复杂网络演化过程中的小世界现象及无标度特征,提出了基于复杂网络的背包问题优化算法。该算法基于无标度特征的背包问题形成优化空间,通过节点增长和加权节点度偏好连接,产生优化空间网络及其节点度分布;在该优化空间网络中,以小世界网络的聚类及小世界效应为基础,以节点度分布为先验知识,提出局部聚类、小世界效应、链集优化和节点寻优4个算子,实现网络节点连接优化。利用马尔科夫链的相关性质,证明了该算法的收敛性。针对具有相关性的0/1背包问题的实验结果表明,该算法解决组合优化问题是有效的。     

基于向量马尔科夫链的配送服务可靠性预测

从配送服务的作业流程出发,给出了配送服务可靠性的定义;分析了配送服务可靠性的主要影响因素;运用马尔科夫过程的有关理论,提出了一种基于向量马尔科夫链的配送服务可靠性预测方法,预测了短期内配送服务及其各作业流程的可靠性,得出了平稳状态下的配送服务及其各业务流程的可靠性;并应用算例对该方法进行了验证.为配送中心评价和提高自身服务的可靠性水平提供了理论依据.     

基于复杂网络理论的互联网新闻媒体分析

基于网络新闻媒体之间的转载关系构建了新闻转载网络,应用复杂网络理论分别研究了其无向无权网络、无向加权网络以及有向网络的拓扑结构.研究表明新闻转载网络具有无标度、小世界以及异配连接倾向等特性,并发现网络存在核心-边缘结构.通过比较加权网络与无权网络在组织结构上的异同以及分析网络的有向性特征,表明了权值和方向对网络新闻研究的重要意义.     

基于复杂网络理论的担保网络研究

基于某商业银行的企业担保关系数据建立担保网络,并运用复杂网络理论对其进行定性和定量的研究。发现担保网络具有小世界、无标度特征,节点度表现为异配,并且节点的核数和介数与节点的度没有明显的关系。此外,对担保网络中的社区结构进行分析,发现社区中的成员分布具有明显的地域集聚性,企业更倾向于在同地域间发生担保,浙江、江苏的担保社区多且关系复杂等。     

用于离散变量因果分析的贝叶斯网络学习

针对现有基于贝叶斯网络离散变量因果分析方法具有低效率和局限性等问题.使用依赖分析方法建立贝叶斯网络骨架,结合碰撞识别方法、变量之间的预测能力和描述长度极小准则确定边的因果方向,进行具有多项式复杂度的离散变量因果贝叶斯网络学习来避免这些问题,并给出了因果贝叶斯网络中定量因果信息传递计算方法.同时,针对小样本情况建立了因果最大似然树学习方法.     

提升小波与隐马尔科夫模型的SAR图像噪声滤波

利用提升小波技术和马尔科夫模型进行雷达图像斑点噪声的抑制具有明显优越性。讨论了雷达图像斑点噪声滤波的小波基的选择和提升方法,分析了利用马尔科夫模型描述小波系数相关性的问题,并提出了一种基于小波系数高斯混合模型和隐马尔科夫模型的雷达图像斑点噪声滤波方法。最后使用几种典型的滤波处理方法,分别对两幅合成孔径雷达图像进行滤波处理,实验表明该方法对SAR图像的斑点噪声抑制具有较好效果。     

基于新陈代谢灰色马尔科夫的应急物资需求量预测方法

为提高受灾人数与应急物资需求量预测精度问题,提出了基于新陈代谢灰色马尔科夫的应急物资需求量预测方法。依据应急物资需求量预测思路,利用灰色、马尔科夫和新陈代谢理论,层级递进地构建新陈代谢灰色马尔科夫预测模型,实现受灾人数的动态预测;利用安全库存理论,构建应急物资柔性需求预测模型,实现受灾人数与物资需求量的供需平衡问题;运用本文模型、灰色马尔科夫模型和灰色模型对受灾人数与物资需求量进行预测,结果表明：该预测模型的相对误差要比其他模型小0.002 1%,预测精度明显优于基本的灰色模型,预测的受灾人口数量与应急物资需求量拟合度较高。     

基于排队网络的快速研制系统模型研究

快速研制系统是一种先进的研制系统,由于其产生时间短,研究费用高,针对其建模与仿真逐渐得到重视,也成为影响其效用发挥的"瓶颈".本文结合设计结构矩阵方法,应用开马尔科夫排队网络,建立了快速研制系统排队网络模型.通过设计结构矩阵描述研制系统的设计迭代,给出了其研制单元研制工作次数的计算方法;运用基于开马尔科夫排队网络的Jackson定理,给出了任务总研制时间估算模型以及分析快速研制系统能力瓶颈方法;对一个5阶段的研制系统实例进行求解,并分析了实例增加瓶颈环节能力后的效果,实例分析表明本方法科学、有效,具有一定的应用前景.     

基于Markov blanket和互信息的集成特征选择算法

针对大量无关和冗余特征的存在可能降低分类器性能的问题,提出一种基于近似Markov blanket和动态互信息的特征选择算法并将其应用于集成学习,进而得到一种集成特征选择算法。该集成特征选择算法运用Bagging方法结合提出的特征选择方法生成基分类器,并引入基分类器差异度进行选择性集成,最后用加权投票法融合所选基分类器的识别结果。通过仿真实验验证算法的有效性,以支持向量机(support vector machine, SVM)为分类器,在公共数据集UCI上进行试验,并与单SVM及经典的Bagging集成算法和特征Bagging集成算法进行对比。实验结果显示,该方法可获得较高的分类精度。     

容错导航系统可靠性评估的一种简化方法

讨论了应用马尔可夫模型方法分析容错导航系统可靠性的化简问题。提出了首先应用马尔可夫模型方法分析每种组件的任务可靠性 ,然后应用组合分析的方法综合得出整个系统任务可靠性的方法 ,它可以大大简化可靠性的分析过程 ,减少计算量。最后 ,以四余度双敏感轴捷联惯导系统为例 ,对在不同条件下应用普通马尔可夫模型方法和化简的方法分析系统可靠性的精度进行了仿真比较。     

网络系统可靠性分析的马尔可夫过程法

针对网络系统状态空间的巨大问题,提出用最大概值状态生成法生成网络实际运行时最可能出现的状态,并定义数字0和1的一种运算,以生成网络的断集空间用于判断网络状态的正常与故障。从而在网络部件寿命以及修理时间均为指数分布时,可应用马尔可夫过程理论获得网络系统的稳态可用度,首次故障前平均时间,稳态故障频度等指标,并举例进行说明。     

MARKOV FUZZY CRITERION DECISION MODELS

1.IlltroductionMarkovdecisionmodels(MDMforshort)havebeenextensivelystudiedandagreatmanyresu1tshavebeenobtainedsincel95O's(e.g.,see[1-6]).Alltheseworks,asfarasweknow,arebasedonthefactthattheoptimalityindexesareab1etobemeaJsuredaccurately.However,inthepracticalproblem,thereasonableandaccurateindexesdonotalwaysexist,andevenso5theirvaluesarenoteasytoacquiresometimes.ThisfactlimitstheapplicationofMDMtosomeextent.FuIthermore,forcomplicatedmodelswithmultipleindexesitmaybedifficulttofindanoptimals…     

Bayesian network learning algorithm based on unconstrained optimization and ant colony optimization

Structure learning of Bayesian networks is a wellresearched but computationally hard task.For learning Bayesian networks,this paper proposes an improved algorithm based on unconstrained optimization and ant colony optimization(U-ACO-B) to solve the drawbacks of the ant colony optimization(ACO-B).In this algorithm,firstly,an unconstrained optimization problem is solved to obtain an undirected skeleton,and then the ACO algorithm is used to orientate the edges,thus returning the final structure.In the experimental part of the paper,we compare the performance of the proposed algorithm with ACO-B algorithm.The experimental results show that our method is effective and greatly enhance convergence speed than ACO-B algorithm.     

一类Markov跳变神经网络的时滞相关鲁棒稳定性

针对一类Markov跳变神经网络,研究了其在系统参数不确定情况下的全局鲁棒稳定性。利用Leibniz Newton公式对原系统进行等价变换,基于Lyapunov 稳定性理论,并结合Moon不等式得到了此类Markov跳变神经网络时滞相关均方鲁棒稳定性的判别条件。所得结果以线性矩阵不等式(linear matrix inequality, LMI)的形式给出,容易被Matlab中的LMI工具箱验证。最后,通过一个算例验证了所得结论的有效性。     

基于MCMC的模糊自适应重要抽样法

针对传统的基于马尔可夫链蒙特卡罗 (Markov chain Monte Carlo,MCMC)的自适应重要抽样法只适用于失效边界确定的系统,而不适用于失效域模糊的渐变结构系统问题,提出基于MCMC的模糊自适应重要抽样法。首先从模糊失效域内的某个初始点出发,根据Metropolis准则构造马尔可夫模拟样本点;然后利用自适应核密度估计构建核抽样概率密度函数并进行重要抽样;最后离散化模糊失效域以计算系统的模糊失效概率。该方法合理地解决了以往渐变结构系统性能可靠性难以仿真分析及仿真效率低的难题,具有较高的仿真效率和精度。应用舵机案例对方法的适用性及高效性进行了验证。