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.     

基于贝叶斯网络的突发事件链建模方法与应用

针对各突发事件具有高度不确定性、系统性和链式反应的特点,将各类突发事件统一抽象为输入、状态和输出相互作用的三层网络结构.以贝叶斯网络为建模工具,提出了适用于不确定性突发事件的单一事件贝叶斯网络.在此基础上,提出了具有关联关系的单一事件贝叶斯网络的合并方法,进而构建出了突发事件链贝叶斯网络模型.最后,以台风-暴雨-洪水事件链为例验证了该方法的可行性和有效性.     

基于贝叶斯网络的动量轮可靠性建模与评估

卫星动量轮具有小子样、长寿命特点,无法进行大样本寿命试验评估可靠性水平,但是可以获得大量的专家经验、地面调试数据等验前信息,因而提出了一种基于贝叶斯网络的动量轮可靠性建模与评估方法.首先,采用贝叶斯网络学习算法,融合各种验前信息,建立动量轮可靠性模型;在此基础上,利用贝叶斯网络推理方法,评估动量轮可靠性,分析动量轮故障;最后通过实例分析表明方法的有效性.     

基于贝叶斯网络的商业银行全面风险预警系统

贝叶斯网络能够用条件概率较好地表达不确定性因果关系, 并进行一定的推理. 基于商业银行全面风险管理的复杂性, 较难采用传统方法构建预警系统, 采用贝叶斯网络, 通过构建商业银行全面风险的拓扑结构, 将各类风险诱因对商业银行全面风险的影响纳入到具有因果关联的网络结构中, 测算了各类指标对全面风险的影响程度, 并通过预警系统的灯号模型, 直观地展示了风险因素对商业银行全面风险的影响, 以便帮助商业银行及时采取措施化解风险.     

基于贝叶斯网络的跨境电商海关风险

跨境电商货物不同于传统的货物,跨境贸易的收发货人更加隐蔽、单票货物数量少,交易频次高、风险要素波动性强,换言之,风险的不确定性更大,海关在实际监管中面临困境,跨境电商的海关监管效能又直接影响着跨境贸易的开展,跨境电商的海关风险管理是海关监管乃至跨境交易顺利开展的关键环节。本文在此背景下,全面梳理了跨境电商海关监管存在的风险要素,并利用贝叶斯网络建立了全面衡量跨境电商海关监管的风险模型,为跨境电商的风险动态监管研究,进行了初步的探索,构建更安全便利的电商环境。     

基于深度贝叶斯网络学习的不确定性建模方法

战场态势评估涉及很多不确定因素,对不确定性进行仿真建模能够提高态势评估的能力。针对参战对象多元、不确定性增多导致的无法全面准确表达不确定性问题,提出了基于记忆模块和变分自编码器的深度贝叶斯网络模型。采用生成模型设计了基于深度贝叶斯网络学习的态势评估模型;阐述了融合记忆模块的深度生成模型原理和模型的学习与推理过程;以某空袭行动为例构建贝叶斯网络,对所提方法进行了验证。结果表明:深度神经网络能够逼近隐变量的非线性变换,设计的记忆模块能存储深度神经网络提取的大量局部特征,通过学习自动得到了贝叶斯网络条件概率,增强了不确定性建模能力。     

基于贝叶斯网络的出行者目的地选择行为建模与应用

以居民出行目的地选择为研究对象,确定影响居民出行目的地选择影响因素集合,分析居民出行目的地选择规律及影响因素特征。运用贝叶斯理论,设计居民出行目的地选择流程。对居民出行决策数据进行数据整理分析和离散化处理,采用K2算法对居民出行目的地选择决策数据进行贝叶斯网络结构学习和参数估计。构造居民出行目的地选择的贝叶斯网络模型,分析了模型父节点与子节点之间的概率依赖关系。对构建的贝叶斯网络模型进行了有效性验证,检验数据分析表明,贝叶斯网络对居民实际出行目的地选择的预测分析具有较高的精度。     

基于贝叶斯网络的故障树分析

文章简要阐述了贝叶斯网络的构造原理和网络信念的传播与更新,并详细说明了故障树向贝叶斯网络转化的过程,主要包括结点与事件的映射关系和联接强度与逻辑门的映射关系.最后通过一个实例说明了故障树向贝叶斯网络的转化过程,并对二者的推理功能进行了比较.     

基于FMECA的复杂装备故障预测贝叶斯网络建模

针对复杂装备故障预测问题, 本文提出一种基于故障模式, 影响及危害性分析(failure mode, effects and criticality analysis, FMECA)知识的 故障预测贝叶斯网络模型(failure prediction Bayesian network, FPBN)建模方法. 首先, 在分析现有FMECA知识所包含故障信息的基础上, 提出了基于FMECA单元的FPBN网络结构转化方法和FPBN概率 参数计算方法, 建立起对应的FPBN单元模型. 然后, 对复杂装备各组成部分对应的FPBN单元模型进行连接, 构建整体系统的FPBN集成模型. 最后, 根据某机载平视显示器(head up display, HUD) FMECA知识, 建立了HUD电子组件的FPBN模型实例. 实例分析结果表明, 基于FMECA知识建立的FPBN模型具有不确定性表达和定量 分析方法的优势, 能够准确、有效地进行复杂装备故障预测.     

基于贝叶斯网络的停车行为分析

建立贝叶斯网络模型进行停车行为分析.应用K2算法和贝叶斯参数估计方法,进行了贝叶斯网络的结构和参数学习,建立了停车行为分析贝叶斯网络,应用联合树推理引擎推断在出行目的、停车费率等因素的影响下停车行为的变化.结果表明,贝叶斯网络能够直观表现决策行为与其影响因素之间的交互作用机理,并方便进行决策行为的敏感性分析,同时模型具有较高的精确度.可以为政府和规划部门深入了解居民的停车选择行为和停车决策机理提供依据.     

基于广义连续时间贝叶斯网络的指挥控制网络系统可靠性分析

指挥控制网络作为典型的复杂网络系统,其可靠性通常可以利用动态贝叶斯网络(dynamic Bayesian network, DBN)来分析。由于DBN并不能很好地解决包含时间和非时间事件的指挥控制网络系统可靠性问题,因此提出一种具有二态条件概率表的广义连续时间贝叶斯网络(generalized continuous time Bayesian network, GCTBN)的建模方法。在此模型的基础上,得到了不同逻辑门的可靠度算法求解,进而针对指挥控制网络系统提出了无线电传播、通信设备以及网络的可靠性分析方法,从而综合地考虑到指挥控制网络执行不同任务的可靠性问题。通过对指挥控制网络可靠性问题的实际案例分析,验证了所提方法的有效性。     

模糊情形下基于贝叶斯网络的可靠性分析方法

确定性的可靠性分析方法在描述模糊情形下的逻辑门与事件时表现出了局限性.为能在模糊情形下进行可靠性分析,利用贝叶斯网络对不确定性问题具有良好描述能力和推理能力的特点,提出一种基于贝叶斯网络的可靠性分析方法.该方法在采用贝叶斯网络进行系统可靠性建模基础上,提出了一个重要的概念:置信割集;并给出了计算强割集的算法.这种基于贝叶斯网络的可靠性分析方法能较好地刻画系统中存在的模糊性,丰富了割集理论,使可靠性分析更加接近实际.最后,举例说明了算法的有效性.     

基于离散时间贝叶斯网络的动态故障树分析的改良方法

传统基于离散时间贝叶斯网络的动态故障树分析方法的计算时间和计算精度受时间分段影响极大。基于复合梯形积分方法分析传统方法的计算误差,提出改良的动态门转化方法,补偿其计算误差。以某测量系统为例,建立动态故障树和贝叶斯网络,验证改良方法的可行性和高效性。结果表明:改良方法在时间分段较小时,能得到精确的系统失效概率。改良方法补偿了传统方法的计算误差,提高了结果的计算精度和计算效率,适用于服从各种常见分布的复杂系统。     

基于随机网络模拟的航天项目风险分析和评估

鉴于各种不确定性因素对航天三项关键参量(战术技术指标,进度和费用)影响的重要性,应用随机网络理论和方法,建立了航天项目研制过程的随机网络模型,对航天项目进度风险和费用风险进行了定量化分析和研究。以一个典型航天项目为例,构建了其研制过程每一阶段的随机网络模型,并进行了求解和分析,得出了富有价值的建设性结论。     

基于多尺度贝叶斯网络的SAR图像分割

提出了一种多尺度贝叶斯网络模型和相应推断算法,并将其应用于合成孔径雷达（synthetic aperture radar, SAR）图像分割。首先根据SAR图像的多尺度序列构建多尺度贝叶斯网络模型;然后设计了模型估计的置信传播（belief propagation, BP）算法,该算法包括同尺度结点之间的信息传播、细尺度到粗尺度的信息传播和粗尺度到细尺度的信息传播;最后计算出细尺度隐含结点的最大后验概率（maximum a posteriori probability, MAP）,实现SAR图像的分割。实验结果表明,与单尺度贝叶斯网络模型方法和基于条件迭代模式的Markov随机场模型方法相比,基于多尺度贝叶斯网络的SAR图像分割方法具有较好的分割效果。     

基于MEBN的战术意图识别

战术意图识别是不确定性战场环境中理解战场态势、预测敌军将来行动过程的关键。意图识别模型的构建是作战仿真系统中实体行为建模的难点之一,如何表示不确定的意图元素及其不确定性关系并进行有效推理是意图识别的核心问题。分析了影响敌人战术意图的因素及各因素之间不确定性表示途径,提出了采用多实体贝叶斯网（multi-entity Bayesian network, MEBN）来描述敌人的战术意图,采用一阶谓词来表示意图影响因素,大大扩展了贝叶斯网表示不确定性问题的能力。MEBN采用实体片断集描述敌人的作战知识,方便重用。基于描述的敌人意图知识库,给出了基于知识的模型构建算法来动态构建战术意图识别模型。最后,通过仿真实验,对基于MEBN的战术意图识别方法进行了实验验证,结果表明该方法是有效可行的。     

基于模糊约束的贝叶斯网络参数学习

针对小样本下贝叶斯网络参数学习结果不准确的问题,提出一种模糊最大后验估计方法,该方法将模糊理论引入到参数学习中,通过对约束效力的度量,利用隶属度函数来确定超参进行学习,以提高约束使用的准确性。实验证明,所提方法可以有效提高参数学习的精度。除此之外,将所提方法应用到网络安全评估中,将通用漏洞评分系统作为专家先验参数,结合漏洞信息迁移样本来进行参数学习。最后,通过节点和路径安全评估验证了所提方法的有效性。     

加速寿命数据的贝叶斯建模与分析

在加速寿命试验的可靠性设计中,随机化设计的限制以及删失数据不可避免地导致低分位数估计出现较大的偏差.针对上述的问题,结合贝叶斯抽样技术以及非线性混合模型(nonlinear mixed model,NLMM)提出了一种可靠性改进的分析方法.首先,需要检验所收集的数据是否服从威布尔分布以及验证形状参数是否是恒定常数.其次...     

动态贝叶斯网络与黑板机制结合的协同决策方法

针对信息化战争中重大复杂决策问题,提出动态贝叶斯网络与黑板机制相结合的协同决策方法。以协同防空预警雷达目标识别问题为背景,针对复杂问题协同决策的特点,将动态贝叶斯网络的定量推理能力与黑板机制灵活集成多领域决策者智慧定性推理的能力相结合,提出动态贝叶斯黑板协同决策机制。在概率意义下证明了该方法的有效性,并用仿真试验验证该方法可以较显著地提高协同决策的正确性。