一种贝叶斯诊断网络的拓扑结构

为了解决工程诊断中的不确定性，提出了一种基于工况-操作-故障-征兆的3层拓扑结构的贝叶斯诊断网络模型．该模型发挥了贝叶斯网络解决不确定性问题的优越性，融合了专家的经验知识，用图形化方式直观地表达了诊断中的复杂关系．应用实例表明，与传统质朴型贝叶斯诊断网络相比，该模型考虑了诊断对象的实际运行工况和操作情况，用于诊断的证据信息更充分，网络的诊断推理结果更符合诊断实际，已成功地应用于某石化公司炼油厂的烟机诊断中．     

一种基于贝叶斯网络的威胁估计方法

为有效处理地面战场威胁估计问题,提出了一种基于贝叶斯网络的威胁估计方法。根据专家知识建立贝叶斯网络模型,通过匹配算法实现态势估计记录与贝叶斯网络中态势节点的匹配,并根据证据可信度及先验概率动态实现态势节点的概率赋值,利用Pearl消息传播算法计算威胁等级节点各取值的概率值,最终获得威胁等级决策。针对一个简化的贝叶斯网络模型,采用该方法进行了不同先验概率及态势下威胁等级的仿真评估,所得结论与人工判定结论基本吻合,表明该方法可有效地应用于地面战场威胁估计领域。     

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.     

一种检测网络异常的小波方法

提出一种基于小波分析与自回归模型的检测方法，并应用它来分析模拟实验环境中收集的时间序列．实验结果表明该方法是可行与有效的，而且优于泛化似然比检验法(GLR)．     

一种基于小数据集的贝叶斯网络学习方法

 贝叶斯网络是用来表示不确定变量集合联合分布的图形模型,反映了变量间潜在的依赖关系.从完备数据集和不完备数据集上学习贝叶斯网络是研究的热点之一,要求有大数据集.针对实际应用中常常只能获得小样本数据,提出了基于Bootstrap抽样的网络结构学习的遗传算法,实验结果表明该方法在小数据集上学习贝叶斯网络具有一定的有效性.     

一种基于动态贝叶斯模型的大型IP网络故障诊断方法

为了提高IP业务的服务质量,利用告警等症状和已有知识快速准确地定位根故障十分重要。基于贝叶斯网络的不确定推理方法是近年来广泛应用的一种故障诊断方法。目前,基于静态贝叶斯网络的故障定位只是利用当前信息进行故障诊断,无法处理时间信息;而已有基于动态贝叶斯网络的诊断算法复杂度太高,不适用于大型网络。本文针对大型IP网络,建立用于故障诊断的动态贝叶斯模型,并对基于动态贝叶斯网络的一种通用的精确算法进行改进,实验证明它能够对大型IP网络快速准确的定位故障。本文方法充分利用告警库中的历史数据和当前症状信息,对当前的系统状态进行估计,完成故障诊断。     

IE_K2：一种基于贝叶斯网络的高效基因调控网络构建方法

为获得正确的节点次序,提高K2算法的执行效率和精确度,提出一种构建基因调控网络的IE-K2算法.基于两个节点互信息构建无向图,通过引入联合信息熵来获得最佳的节点次序.在Alarm网络中的实验结果表明,其预测的准确率优于爬山算法和随机节点顺序的K2算法;将IE-K2算法用于构建酿酒酵母的基因调控网络,通过现有文献证明了调控关系的正确性,结果显示了该算法的有效性.     

一种基于周期的动态贝叶斯网络预测模型

本文提出一种基于周期性数据的动态贝叶斯网络预测模型.由于充分考虑到原问题的周期特性,因此有效的提高了预测的精确度.特别的,应用于我国电力增长率问题,该模型取得较好的效果.     

一种改进的贝叶斯网络知识合成算法

为了解决贝叶斯网络知识合成中的不一致问题,对现有的算法进行了改进.改进后的算法在现有方法的基础上,引入了约束集不一致时的知识合成算法,在知识合成迭代过程中,通过对联合概率分布和概率知识的双向修正,在每一步迭代过程中降低了不一致度,从而实现了贝叶斯网络知识合成时对不一致概率知识的处理.实验结果表明,改进后的算法不仅能够处理概率知识之间相互不一致问题,而且能够处理概率知识与网络结构不一致问题.     

一种面向审查的过程内数据流异常自动检测方法

审查是预防代码缺陷的重要手段,但审查耗时,浪费人力,需要自动化工具对其进行辅助.数据流异常是审查中着重检查的缺陷之一,本文提出了一种基于有穷自动机的过程内数据流异常的检测方法.此方法首先对被测过程进行静态分析,得到被测过程的逻辑路径;而后基于有穷自动机和已获得的逻辑路径,通过每个数据项的状态迁移来判断数据流是否存在异常.本文介绍的方法面向审查,并不局限于某种特定的语言,并且一定程度上提高了数据流异常检测和审查的效率.     

一种基于趋势分析的网络性能异常检测方法

计算机网络的规模越来越大,结构越来越复杂,网络负担过重,导致网络性能下降,网络性能监控备受关注。提出一种基于趋势分析的网络性能异常检测方法．通过建立历史RTT性能数据的正常模型,根据模型得到的随机变化分量采用滑动窗口平均的方法用实测RTT数据进行性能异常检测。OPNET仿真实验和实际数据监测表明,方法具有高检测率和较低的误警率。     

基于贝叶斯方法的异常感知检测

本文通过叙述负类的边缘核密度的构造过程,详细讨论了基于贝叶斯学习的支持向量机分类器的异常感知,描述了贝叶斯方法的异常感知检测,阐述了机器学习对于预兆与健康管理(PHM)的作用,并对以贝叶斯方法为代表的相关学习进行了一定的研究。     

一种基于属性贝叶斯网络的行为识别模型

针对传统行为识别方法仅利用底层特征识别的不足,提出了一种将动作属性与贝叶斯网络相结合的行为识别方法.首先,提取视频中的时空兴趣点及其3D-SIFT特征描述符,用词袋的方法建立时空词典对视频序列进行表示;然后,利用底层特征训练属性分类器,构造由底层特征到高层特征的映射,将底层特征样本经过属性分类器后得到行为—属性的样本信息,并采用MAP(最大后验概率)准则学习贝叶斯网络结构,从而建立一种基于属性贝叶斯网络的行为识别模型.实验结果表明该模型能有效地进行行为识别.     

一种改进的贝叶斯网络短文本分类算法

对于短文本由于其特征数少而使分类效果不理想的情况,提出一种改进的贝叶斯网络文本分类算法,改进之处在于贝叶斯网络结构学习阶段寻找父节点的步骤,算法在考虑了连接强度的因素后,减少了本来不相关的两个节点被归类为父子关系的错误干扰,使每个节点找到的父节点更加准确,从而使文本的分类准确度得到了提升。     

水文频率分析中的一种贝叶斯方法

在贝叶斯框架下将年洪峰分布参数θ＝ＣＳ／ＣＶ选作为随机变量，在对θ的地区分布进行一定概化的基础上给出了自区域信息估计θ先验分布的一种主观贝叶斯方法。同时对Ｐ－Ⅲ型总体下的贝叶斯频率计算问题进行了统计试验研究。结果表明，提高先验分布的估计精度会降低贝叶斯方法估计Ｘｐ的抽样误差，当样本容量较小时效果更明显。这对水文频率分析中使用贝叶斯方法具有一定的参考价值。     

基于贝叶斯网络的一种常规雷达目标识别方法

现役的常规雷达一般不具备径向上和横向上的高分辨率,雷达所揭示的目标信息非常有限。贝叶斯网络基本原理基于概率论的统计知识,作为一种分类器,它使错误的分类概率最小。文中将它引入雷达目标识别,将这些有限的信息利用起来实现对雷达目标的粗分类,取得了不错的效果。     

非线性贝叶斯动态模型的一种处理方法

对一类非线性贝叶斯动态模型进行了处理。用筛选算法进行抽样，利用得到的样本进行各种推断和预测。     

一种改进的HCF贝叶斯图像分割方法

贝叶斯方法是图像分割中广泛使用的方法，ＨＣＦ（ＨｉｇｈｅｓｔＣｏｎｆｉｄｅｎｃｅＦｉｒｓｔ）是一种有效的优化方法，用ＨＣＦ对图像进行贝叶斯分割，并且改进了贝叶斯分割中的势能函烽，提出局部势能的概念，从而获得了较为满意的图像分割结果。