基于定性模型和定量知识集成的智能故障诊断方法研究

首先从诊断对象的知识表示和处理诊断知识的能力两个方面对基于定性模型的故障诊断方法进行了分析,然后在此基础上提出了基于深浅知识集成的分层诊断策略,并基于符号有向图和模糊理论提出了一种定性模型和定量知识集成的智能故障诊断方法。仿真故障数据验证结果表明,该方法不仅具有较快的诊断速度,而且能有效地提高诊断的准确度。     

基于半定性贝叶斯网络的建模方法研究

在定性贝叶斯网络的基础上,提出一种既包含定性符号信息,又包含概率分布定量信息的半定性贝叶斯网络,用以集成多个专家的知识和经验,通过一个与专家反复交互的过程,构建出相关问题领域的稳定的贝叶斯网络模型。提出利用区间数来统一表达多个专家的定性或定量的判断意见,给出了在半定性贝叶斯网络中进行概率推理的区间数传播算法,并通过算例验证其有效性。     

基于贝叶斯方法的知识发现

贝叶斯方法是概率统计学中一种很重要的方法。贝叶斯网络就是根据各个变量之间概率关系用图论方法建立的模型,本将概率统计的贝叶斯规则应用于知识发现,建立图论模型进行数据挖掘,章最后应用贝叶斯网络对于实际的数据库进行知识发现,其结果说明了这种方法的有效性。     

情报信息预测中定性方法与定量方法的结合

通过阐述定性预测方法和定量预测方法的优点和缺陷，探讨了在情报信息预测中两种方法之间的内在联系和有机结合，指出只有两种方法相结合，才能使预测对象的各方面因素融合在预测结果之中，从而提高情报信息预测的精确度。     

不确定性知识的定性表示、推理及其应用——定性概率网研究综述

 贝叶斯网是不确定性知识表示和推理的有效框架,定性概率网是贝叶斯网的抽象表示,它简化了不确定性知识的表示,加速了不确定性知识的推理.近年来,定性概率网成为了不确定人工智能和知识发现领域的一个重要研究方向.分析总结了目前定性概率网的挑战和研究成果,主要包括定性概率网的知识表示、推理及应用3个方面.表示方面,概括了定性影响、定性加协作、定性乘协作和原因间影响,并探讨了定性概率网表示机制存在的问题及主要解决方法;推理方面,描述了推理算法,探讨了定性概率网推理冲突问题,分析比较了解决推理冲突的主要方法;应用方面,概括了基于定性概率网的知识发现和决策支持的主要方法.此外,基于对现有研究成果的分析总结,也指出了定性概率网相关方面进一步研究的问题及重点.     

知识资本定量评价模型研究

本文首先界定了知识资本的涵义,并从人力资本、技术资本、组织资本和市场资本四方面构建知识资本;然后系统地介绍了如何对其评价,我们提出了一套定性和定量相结合的知识资本评价指标体系,并利用语义差别隶属度赋值方法把定性指标定量化,采用模糊隶属赋值法将定量指标无量纲处理,同时引入AHP法确定评价指标权重;最后建立了知识资本的定量评价模型。     

基于贝叶斯理论的单音音乐节奏提取

音频音乐信号的特征分析具有广泛的应用前景,如音乐检索、乐器识别等。本文先引入贝叶斯节奏模型,然后用基于贝叶斯理论的序列蒙特卡罗方法,推断音乐片段的小节和节拍的位置。对不同乐器演奏的、不同音乐速度的、不同节奏模式的音乐,本方法均能有效地提取节奏特征。     

一种基于贝叶斯网络的故障预测方法

为了研究故障在复杂工程系统中的传播机制,根据关键节点的状态异常信息预测系统发生故障的概率,提出一种基于贝叶斯网络的故障预测方法.根据工程系统自身固有的网络拓扑结构,构建了多层贝叶斯网络模型,利用定性趋势分析法将时间信息融入网络节点中,使得网络具有处理时序信息的能力,便于进行故障传播机理分析和故障预测.提出了基于元器件健康度的根节点故障概率确定方法,针对完备数据集和非完备数据集,选择不同的参数学习方法确定贝叶斯网络的条件概率表,采用多树传播算法进行联合概率推理,由系统根节点运行状态推测其余节点的故障概率.算法在Quanser三自由度四旋翼直升机上进行了仿真应用,结果验证了该方法的可行性和有效性.     

时间区间关系的定性与定量的混合推理

区间代数是一种用来进行定性时态推理的工具,它在人工智能中有着广泛的用途。现实世界中有许多定性的时态信息,也有许多定量的时态信息,将定性的时态信息和定量的时态信息在一起进行混合推理是有意义的,它更加贴近于现实,简化了问题的一致性场景的表示,提高了时态计算的效率。     

定性模型的分解算法研究

文章针对标准的 Q SIM算法对于复杂系统推理求解时会产生不可控分枝问题 ,提出一个模型分解算法。应用系统聚类分析和因果图分析方法将定性模型分解成单元 ,这样对聚类分解成的单元进行集成 Q SIM推理 ,可大大降低 QSIM算法的不可控分枝 ,提高系统的仿真效率。     

一种基于稀疏规则库的定性插值推理方法

提出一种基于三元组定性分析理论的插值推理方法,提供了该方法的具体算法, 并将此方法应用到有限推理问题的一个典型实例中, 验证了该方法在解决有限推理问题上的有效性和准确性。     

基于贝叶斯推理的决策树模型

针对决策树（DT）模型缺乏概率背景这一问题，将贝叶斯推理引入DT模型，提出了一种基于贝叶斯推理的决策树（BDT）模型．在假定所含待定参量的先验与似然的前提下，借助贝叶斯推理获得参量的后验，然后运用逆跳马尔科夫链蒙特卡洛算法对后验抽样，最终求出样本属于某一类别的置信度，从而避免了武断判决．BDT模型以抽样代替拆分与剪枝操作，既直观又灵活，同时在抽样时考虑了不同的树结构与递归分割方案，使得分类准确率得以提高．仿真实验结果表明，BDT模型的平均分类准确率与DT模型相比提高了1．7％～3．5％．     

基于赋值代数的BN概率推理的局部计算模型

在Shenoy-Shafer赋值代数公理基础上,定义了贝叶斯网(Bayesian network,BN)推理结构上的赋值代数;提出BN上概率推理的赋值代数模型,该模型包括推理结构转变、赋值初始化、一致性消息全局传播与吸收以及概率推理的局部计算四个环节,建立了相应的算法以及联合概率与条件概率的计算方法;最后通过例子说明文章所提出的方法.所提出计算模型为贝叶斯网的概率推理提供了一种新的局部计算方法.     

SQL实现Bayesian网的不确定性推理

不确定性推理是人们常用的一种推理,Bayesian网是进行不确定性推理的有力工具,提出了扩展关系模型,并在扩展关系模型中用SQL（结构询问语言）语句实现Bayesian网的不确定性推理。     

基于贝叶斯网络模型的关键链项目进度管理

在工程项目工作分解(WBS)和贝叶斯网络技术的基础上,考虑了WBS各单元之间的时序关系和资源约束条件,结合实例建立了关键链项目管理贝叶斯网络模型(CCPMBN)。提出了相应的各项资源需用计划,并通过蒙特卡洛仿真项目施工完成时间。结果表明关键链项目管理贝叶斯网络在项目进度延期的情况下能很好地识别影响工期的关键工序,CCPMBN模型为控制施工建设进度与实现提供了重要参考.     

混凝土碳化深度的贝叶斯自回归预测分析

总结和分析了影响混凝土碳化的主要因素及碳化深度计算模型,讨论了参数随机性及不确定性对碳化深度预测计算结果的影响.根据贝叶斯分析的基本原理,研究了混凝土碳化深度预测的贝叶斯自回归方法.该方法根据马尔可夫链(Markov Chain)的概率密度演化,利用吉布斯(Gibbs)抽样及蒙特卡洛(Monte Carlo)数值模拟,建立了混凝土碳化深度的随时贝叶斯自回归模型.该模型形式简单,收敛性好,且具有较高的预测精度.利用该方法和实测的碳化深度结果,建立自回归模型,可以对混凝土碳化深度进行更新预测.     

基于贝叶斯推理的LS-SVM矿产资源定量预测

针对矿产资源定量预测过程中最小二乘支持向量机(LS-SVM)的参数选择具有主观性和随意性,提出了一种与贝叶斯推理相结合的LS-SVM资源定量预测方法,并将其与证据权法(Wof E)进行了对比.在训练过程中采用贝叶斯推理方法对LS-SVM的参数选择进行优化,进而构建矿产资源定量预测优化模型.研究表明,该方法不但克服了参数选择的局限性,而且以后验概率形式输出预测结果,从而可提高预测精度.     

改进的求解应力强度因子的外插方法

分析了无限大板中求解应力强度因子的应力外插法的误差原因,发现靠近裂纹尖端的应力误差可以用简单公式近似表达,由此建议用修正应力外插法提高有限元方法求解应力强度因子的精度,并通过二维问题验证了它的有效性,结果表明,修正后可以较大地提高其精度。     

基于完全贝叶斯估计的在役地下结构荷载随机反演方法

提出一种在役地下结构荷载随机反演方法。采用样条函数,将结构上的未知荷载参数化为一系列插值变量;基于贝叶斯框架,融入结构变形观测数据,并构建荷载参数的后验概率分布（PDF）;引入高效采样算法DREAM(differential evolution adaptive metropolis)实现对未知荷载的完全贝叶斯估计。实际案例结果表明：传统确定性反演方法表现出解不稳定的“病态反演”问题,而本方法的荷载期望值则与实测结果吻合较好;本方法得到了未知荷载的完整后验分布,体现出处理反演结果不唯一的优势。