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.     

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.     

基于故障树和贝叶斯网络的危化品罐式运输车道路运输系统的可靠性分析

为保障危化品罐式运输车道路运输系统的可靠性,提出一种基于故障树分析法和贝叶斯网络的系统可靠性研究方法.首先,根据道路运输系统故障树模型向贝叶斯网络转化的方法确定贝叶斯网络模型和条件概率表;其次,结合贝叶斯网络双向推理算法对危化品道路运输系统进行推理计算;最后,分析得出危化品罐式运输车道路运输系统的可靠度.研究发现:该方法可以根据根节点故障的先验概率正向推理系统失效的可能性,并且可以通过根节点的概率重要度分析结果排查故障,同时可以通过反向推理计算根节点的后验概率诊断故障.在结论中,提出了针对系统中关键风险事件的应对策略.     

利用贝叶斯算法过滤报文内容分析系统中的垃圾信息

利用基于概率统计方法的贝叶斯算法,对报文内容分析系统中的垃圾信息进行过滤.该算法的实现,是通过一定的算法来分析大量的相关信息和不相关信息中多种单词特征出现的概率,从而建立一张单词特征表,并依据这张表借助一个评分系统来判断目标文件的相关性.本算法具有一定的自适应性。能根据垃圾信息不断变化出现的形式自动进行特征表更新,从而不断地实时提高本身的判断效率.     

一种应用关联规则森林的改进贝叶斯分类算法

针对朴素贝叶斯分类方法中属性值条件独立假设不适应实际情况的问题,提出了关联规则森林表示法及应用关联规则森林的改进贝叶斯分类算法(ABC算法).ABC算法利用关联规则挖掘得到满足条件的关联规则,并由此来构造关联规则森林,而规则森林中所有根节点的概率与所有适用的规则置信度连乘,就得到所有属性值的联合概率.应用UDI数据集对分类器进行了测试,分类结果表明,ABC算法的分类准确率明显高于朴素贝叶斯分类算法,平均提高5%,特别是对属性间有着较强依赖关系的数据集,其分类准确率提高了37%.     

带区间参数的贝叶斯网的近似推理

 用区间概率代替贝叶斯网中的点概率,将贝叶斯网扩展为带区间参数的贝叶斯网,使得贝叶斯网更具一般性.用规范概念的计算规则进行区间概率的计算,用Gibbs采样的近似推理法对带区间参数的贝叶斯网进行近似推理,计算后验概率.并给出近似推理的算法和实验,实验结果表明该方法是有效的.     

一种基于概率图模型的关联规则更新方法

针对事务库发生变化后关联规则的更新问题,讨论了一种只对具有实用价值的关联规则更新其前件的方法.首先分析了关联规则各组件间的依赖关系及其不确定性,进而建立描述其中所蕴含不确定性知识的贝叶斯网模型(称为规则贝叶斯网),并提出了基于Gibbs采样的规则贝叶斯网近似推理算法,从而实现关联规则的更新.实验结果表明,作者提出的基于概率图模型的关联规则前件更新方法具有高效性和可行性.     

基于最大概率分词算法的中文分词方法研究

本文提出了一种基于最大概率分词算法的中文分词方法，以实例贯穿全文系统描述了最大概率分词算法的基本思想与实现，根据针对大规模真实语料库的对比测试，分词运行效率有较大提高，该方法是行之有效的，并且提出了该算法的改进方向。     

基于Markov的Ⅱ型糖尿病预测技术研究

针对糖尿病的发病率日益升高的问题,提出了一种基于马尔科夫模型的Ⅱ型糖尿病发病概率长时间预测方法.该方法利用朴素贝叶斯算法计算风险等级概率向量,通过属性选择以后的属性子集空腹血糖值、体质系数、胆固醇、甘油三酯、腰围、性别、糖尿病家族史和年龄构建预测模型.实验结果与阿基米德模型预测结果对比表明,该模型能够预测样本较长时期的Ⅱ型糖尿病发病概率,该预测方法简单、准确率高.     

关系学习中贝叶斯分类算法的比较研究

数据分类是数据挖掘的主要内容之一,通过分析训练数据样本,产生关于类别的精确描述.贝叶斯分类是数据挖掘领域中一种常用的有效分类方法.在关系学习中,贝叶斯分类算法有很多种,对这些算法进行总结、比较,指出其优点与不足,对提高分类效率有很大帮助.本文对已有的关系学习中贝叶斯分类算法作了详细的比较,并进行归纳总结.在单关系学习中重点介绍了几种基于粗糙集的贝叶斯分类器和加权贝叶斯分类算法,并分析了各种方法的模型、权值确定方法、优缺点及进一步工作方向.在多关系学习中主要比较了几种基于语义关系图的贝叶斯分类算法,重点介绍了MI-MRNBC模型.最后对本文工作进行了总结与展望,提出进一步工作方向是研究基于粗糙集的多关系贝叶斯分类算法.     

试论主观与客观概率

在概述概率的主观与客观的观点的基础上,认为它们都有一定的适用范围;且在一定条件之下,又是可以相互转化的。     

物理学中的几率

结合几率概念在科学发展史,特别是物理学发展史中的演变,探讨几率概念在科学哲学、分子运动论、统计力学与量子力学中扮演的角色变化,揭示各种几率概念的逻辑联系,以及在物理上的关联与差别.在哲学上论证几率概念体现的是物理过程的确定性与随机性的辩证统一.     

日常生活中的小概率事件

小概率事件原理是概率论中具有实际应用意义的基本理论，文章从常见问题出发，介绍了小概率事件原理在日常生活中的应用．     

利用缩减样本空间方法替代贝叶斯公式的计算

条件概率的计算是概率论中极其重要的计算之一,一般有利用定义式计算和缩减样本空间计算两种方法．缩减样本空间计算法在先验概率问题计算上比较浅显易懂,但在后验概率问题上计算一般不采用这个方法,而是使用定义式来计算,后验概率的计算又和贝叶斯公式有较大的关系．着重讨论缩减样本空间计算法在后验概率问题上的应用．从而避免利用贝叶斯公式计算的繁琐过程．     

概率流密度矢量的等效定义及其应用

从对应关系出发,给出了量子力学中微观粒子概率流密度矢量的一个新定义,证明了该定义与原定义的等价性,并利用新定义处理了几个典型的量子力学问题。     

条件推理的概率理论

近来以Oaksford等人提出了条件推理的概率模型,研究了概率因素对条件推理的影响。本文对这种新的研究取向作了综合评述,充分肯定了该模型对推理心理学的重要意义,并对未来研究进行了展望。     

条件推理中不同前后件概率组合的实验效应

通过控制条件命题中前件与后件发生概率的高低，在直接提供和间接提供概率信息的情况下，考察了4种不同前后件概率组合（LL、LH、HL、HH）的条件命题对4种条件推理（MP、DA、AC、MT）的影响，结果表明：大学生对前后件的主观概率估计会影响他们的推理行为，表现出高概率结论效应，而客观概率信息对推理过程的影响却不明显；大学生对4种条件推理的认可程度主要与范畴前提的条件概率值成正比。     

几类组合恒等式的概率证法

本文通过建立概率模型,分别运用完备事件组、全概率公式及随机变量的数字特征等方法,举例证明了几类组合恒等式;既是概率论在证明组合恒等式方面的广泛应用,又充分展现了概率证法的独到之处。     

一个健康状态转移模型的探讨

考虑有m个健康状态J1,J2 ,… ,Jm 和n个死亡状态 D1 ,D2 ,…… ,Dn 的疾病死亡模型,在某些假设前提下,得到了各种状态的转移概率及极限概率.