学生就业贝叶斯网模型的构建与推理

贝叶斯网是一种帮助人们将概率统计应用于复杂领域、进行不确定性推理和数据分析的工具.构建了学生就业贝叶斯网模型,找出就业受择业观念、能力素质、择业技巧、就业心理等因素影响的相互依赖关系,并在学生就业贝叶斯网模型基础上利用簇树进行推理.     

EQPN:数据中不确定性知识的定性表示及推理

数据中蕴含的不确定性知识可以描述属性变量间的相互依赖、以及依赖关系的不确定性.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.我们研究从数据中学习定性概率网、以及高效的定性概率网推理技术,并开发了相应的系统EQPN.通过展示EQPN系统的主要操作及相应界面,阐述其基本思想和主要功能,旨在为数据中不确定性知识的定性表示及推理提供一种可用的知识框架.     

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.     

Bayesian网推理中的化简方法

针对Bayesian网的一般推理是NP难的, 在很多情况下, 具体查询时简化Bayesian网结构可以明显减少计算量的特点. 提出一种可以实现这种 策略的3个操作： 分离、 替换和遍历. 实验表明, 这种策略一般可以提高计算效率, 有时 会有明显作用.     

基于新型扩展模糊Petri网的食品冷链故障诊断方法

针对生鲜食品在冷链配送过程中容易发生变质的问题,并考虑冷链过程的时序性特点,提出一种基于新型扩展模糊Petri网(EFPN)的故障诊断方法.该方法通过将模糊规则映射到扩展模糊Petri网,对故障诊断过程中的不确定性问题进行定量分析,从而得到引起故障的原因.利用库所带有的关键因素开始时间信息可排除未发生的因素,降低诊断推理过程的复杂程度.最后通过实例对该模型进行了验证和分析.     

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.     

几种不确定性表现及“吸烟与长寿”问题的MYCIN测度

论述客观实际存在的不确定性所表现的四个方面:1、证据的不确定性;2、语义理解上的不确定性;3、产生式规则不确定;4、推理的不确定及其推理网模型。同时介绍了MYCIN模型及使用MYClN模型对“吸烟与长寿”的问题进行了科学的测度,并对测度结果进行了分析。     

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.     

基于规则的空间关系推理

空间关系的形式化表示和推理是目前地理本体领域的研究热点,本文简要介绍了目前比较有几种代表性的空间关系模型,在此基础上提出了一种拓扑和方向组合的空间关系模型及其OWL形式化表示,并通过扩展推理规则实现了简单的空间关系推理.     

基于信息论和遗传算法的Bayesian网络弧定向方法研究

Bayesian网弧定向问题是Bayesian网学习的一个重要方面．提出了一种基于信息论和遗传算法的Bayesian网弧定向算法．将信息论中鉴别信息这一概念引入Bayesian网学习中来,以鉴别信息定向后的网络为基础网,并设计相应的适应度函数和遗传算子,使该算法能够收敛到全局最优的Bayesian网结构．从而极大地减弱了单纯利用遗传算法学习对初始群体的依赖性,提高了算法的收敛速度．实验结果表明：该算法能够有效地解决Bayesian网弧定向问题．     

贝叶斯网络VE推理算法的并行化研究

贝叶斯网络是一种强有力的不确定性推理和数据分析工具.网络推理是贝叶斯网络的重要内容之一.VE算法是利用联合分布的分解来简化推理的贝叶斯网推理算法.提出一种基于最小缺边搜索算法的消元顺序(PL_OE)算法,使VE算法可并行执行,降低了贝叶斯网推理的时间复杂性.     

贝叶斯网络在故障诊断中的应用

贝叶斯网络适用于表达和分析不确定性和概率性的事物,由于具有能够对不完全、不精确或不确定的知识或信息作出有效的推理等特性,而成为目前不确定知识表达和推理领域最有效的模型之一。     

基于动态贝耶斯规划图的状态安全报警关联

提出状态报警关联的概念以及基于动态贝耶斯规划图的报警关联算法。动态贝耶斯规划图在规划图的基础上结合了动态贝耶斯网络推理,显式地表示系统状态以及状态和攻击动作之间的相互影响。算法用贝耶斯推理处理不确定信息,量化地评估系统安全状态,并且有效地消除误报。     

贝叶斯网络在适应性E-Learning系统中的应用

在适应性E-Learning系统中，建立学生学习模型的过程中难度最大的是处理众多的不确定因素，本文运用了贝叶斯网络的推理机制来处理这些不确定因素。     

处理不完全和不确定信息的一个关系模式

本文中提出可用于知识库系统设计的一个处理不完全和不确定信息的关系模式。为处理技术和智能之间的渗透,关系知识库的域扩充为E_x-term集合,它包含常量、变量和空值(不存在型空值和占有型空值);讨论了模式中的相等判断,查询运算,使用于处理知识推导的演绎规则以及关于域、值和连接的完整性约束等问题。     

基于贝叶斯推理的乘员约束系统参数识别

为了克服测量响应的不确定性给乘员约束系统参数识别带来的困难,利用马尔科夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)采样和近似模型构造技术,提出一种基于贝叶斯推理的乘员约束系统不确定性参数识别方法.该方法结合约束系统参数的先验分布和测量响应,通过马尔科夫链在未知参数联合概率密度空间进行抽样,从而获得了织带刚度缩放系数和质量流率缩放系数的后验边缘概率密度函数.识别结果表明,相比于传统确定性识别方法,基于贝叶斯推理的不确定性参数识别方法不仅能有效给出乘员约束系统参数的概率分布,而且能够保证参数寻优的全局收敛性.     

主观Bayes网络在普适计算中的应用研究

由于硬件系统的异构性和无线网络的相对不稳定,造成直接由传感器获得的上下文的不确定性和不一致性。笔者针对此问题把主观Bayes网络模型应用到普适环境中对上下文进行推理,并且对OWL进行了扩展——SBOWL语言,以适应主观Bayes网络模型在上下文推理中的应用。通过在原型系统CIS的上下文推理层应用主观Bayes网络,验证了该方法的可行性。     

贝叶斯网络推理分析的团树传播算法——以停车行为分析为例

介绍了贝叶斯网络的基本概念及其推理模式和推理算法,重点进行了团树传播算法研究,应用Matlab软件的jtree_inf_engine模块实现了团树传播算法编程,并以停车行为分析的贝叶斯网络为例进行了预测、诊断、原因关联和混合4种推理分析,根据推理结果总结了城市居民的停车决策行为特征。研究结果表明,团树传播算法可用于贝叶斯网络未知参数的推理和变量间的关系学习。     

贝叶斯推断在土壤微生物生物地理学中的应用

微生物生物地理学主要研究微生物的分布格局及其驱动机制,经典频率数理统计方法是当前该研究领域中广泛使用的统计方法.近年来,贝叶斯推断作为重要的随机模拟数理统计方法正不断地应用于土壤微生物生物地理学的研究中.介绍了贝叶斯推断与经典频率数理统计的区别;描述了贝叶斯推断在土壤微生物生物地理学研究中的基本分析流程,包括模型构建、...