基于混合团树的贝叶斯网络智能推理算法

提出了一种基于混合团树的智能推理体系架构,利用原始贝叶斯网络中变量之间的依赖关系对连接树进行改造,使得在推理过程中满足以下两个优势：(1)它能直接消除与证据和查询的无关的变量集,使得混合团树得以缩减为更小规模的二级树状结构,进而使消息不必在所有节点中传播;(2)它继承了连接树传播算法中可以重复利用混合团树中预先储存的信息进行加速推理.     

针织物热定型质量因素的团树传播

首先,通过研究针织物热定型过程的生产流程、机械构造,采集生产过程质量数据、工艺数据和设备状态,并分析质量数据异常的原因.然后,通过相关分析确定对热定型克质量有影响的各环节及其对应变量,建立质量因素分析拓扑结构.最后,将各变量纳入具有因果关联的网络结构中,采用基于团树传播算法的贝叶斯推理规则,利用团树间的信息传递计算出各变量对克质量的影响程度.结合某企业实例进行分析,结果表明:文中方法可实现热定型质量指标影响因素的精确定量分析.     

基于贝叶斯网络的停车收费政策评价

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的贝叶斯网络。应用连接树传播算法推断停车费率影响下的停车开始时间、停车时长和停车场类型等选择行为的变化,预测停车收费政策的实施效果,评价政策的可行性.结果表明:随着停车费率的提高,停车者更趋向于选择短时间停车;对不同时段和不同停车场类型实施不均衡收费制度,即高峰停车费率大于非高峰停车费率,路内停车费率大于路外停车费率,可以促使停车者选择非高峰时段停车和路外停车.     

用于水电厂设备的故障诊断的贝叶斯网络模型

通过分析水电厂设备故障诊断所面临的不确定性等问题以及当前常用诊断方法存在的局限性,研究基于贝叶斯网络的设备故障诊断方法,提出了适合于诊断问题的贝叶斯网络结构并阐述了基于贝叶斯网络故障诊断的团树推理算法.该方法综合考虑了多故障、故障症兆模糊以及电厂设备操作之间有依赖关系等情况.通过丰满水电仿真系统中水机调速器故障诊断的应用实例,证实了该方法在信息不确定条件下进行诊断决策的有效性和准确性.     

一种改进的多模块贝叶斯网络局部推理算法

针对多模块贝叶斯网络的局部推理的时间和空间复杂度高的问题,提出了一种改进的多模块贝叶斯网络局部推理算法.该算法用面向对象语言重新定义了多模块贝叶斯网络模型,在联合树推理算法的基础上结合图论中"顶点度"的概念对局部推理算法进行了优化,针对三角化结果不唯一的问题,给出了一种一般性的解决方案,使三角化后的结果能够将消息传递得更快,有效地缩短推理时间.给出了算法的仿真实例并进行实验分析,结果表明改进后的推理算法有效减小时间、空间复杂度.     

贝叶斯网络中基于联合树算法的学生模型更新方法研究

在已建立的覆盖型贝叶斯网络学生模型的基础上,用联合树算法来实现推理更新.通过建立Moral图、构造三角化图、区分团节点,然后将学生模型转化为联合树的结构,最后通过消息传递来完成整个学生模型的更新.     

动态贝叶斯网精确推理中联合树算法的改进

基于动态贝叶斯网络处理动态不确定性问题的过程中推理是非常重要的,而推理算法的优劣决定推理的执行效率;文章在分析联合树性质的基础上提出一种较简单的3/2片联合树算法,该算法不需要限制消去顺序且只作一次扩展;讨论了算法的复杂度,并作了试验比较。     

基于贝叶斯概率树的机会社会网络转发节点选择方法

选择合适的节点并将消息迅速转发到目标节点是机会社会网络关键问题之一。现有研究的不足主要是未充分考虑节点的社会属性以及节点的动态性。本文提出了一种基于贝叶斯概率树的转发节点选择(Bayesian Probabilistic Tree Forward Node Selection,BFANS)方法。根据节点具有的社会属性及相遇概率划分社区;社区内利用节点相遇概率值构建贝叶斯概率树;分别采用社区内和社区间两种方式进行消息的转发。实验表明,该方法在消息投递成功率上得到提高,并且降低消息的平均时延及路由开销比率。     

用贝叶斯网络建模和推理

贝叶斯网络跨越了包括人工智能（AI）、统计学、认知科学及哲学在内的多个领域。贝叶斯网络是上个世纪70年代末80年代初在AI领域经历的一场危机中由J．Pearl引入的。他主张利用概率论作为似真推理的基础，并且开发了贝叶斯网络作为表示及计算概率置信的实用工具。     

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.     

事件树、故障树、决策树与贝叶斯网络

在简要介绍贝叶斯网络技术的基础上,通过大坝失效事件树分析、导弹发动机故障树分析以及汽车销售决策树分析3个实例,分别将事件树、故障树及决策树3种分析方法与贝叶斯网络分析方法进行了比较,并给出了事件树、故障树和决策树向贝叶斯网络转化的一般规律:事件作为贝叶斯网络中的结点,根据事件之间的因果或影响关系将网络中的各结点用有向弧连接起来并由已知数据或专家经验确定各结点条件概率表.结果表明贝叶斯网络具有处理多状态复杂模型以及双向推理的优点.     

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.     

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.     

用于决策支持的贝叶斯网络

联机分析处理只能用于决策的表层知识，数据采掘却能提供深层次的知识，即提供数据内部所隐藏的有用知识，贝叶斯网络是数据采掘的一个非常有效的工具，它能够定性和定量地分析属性之间的依赖关系，并进行概率推理。     

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.     

基于树扩展朴素贝叶斯的高效网络入侵检测系统

提出了一种基于树扩展朴素贝叶斯(tree augmented naive Bayes,TANB)的入侵检测方法.该方法基于传统的朴素贝叶斯(naive Bayes,NB)和贝叶斯网络(Bayes network,BN)方法,结合了前者计算简单和后者能表示属性间相关性的优点.同时我们提出使用增益比率进行网络特征选择来进一步提高检测性能.通过对DARPA数据的入侵检测实验,与传统方法做了比较,其结果表明,我们提出的入侵检测方法效果很好,对各种入侵类型的检测率都很高.     

基于贝叶斯网络的大学生共享单车出行行为研究

为研究大学生共享单车出行行为,以福州市大学城各高校学生为研究对象,利用问卷调查采集各年级学生共享单车出行数据.首先,基于所获得的数据计算各节点的互信息值,假设贝叶斯网络参数服从Dirichlet分布,采用K2算法进行贝叶斯网络结构学习,利用贝叶斯估计法进行贝叶斯网络的参数学习,从而构建大学生共享单车出行行为的贝叶斯网络.然后,利用所构建的网络进行共享单车出行方式预测,计算该模型的预测值与实际值的误差,分析模型的精度,且与常用的Logit模型预测结果进行比较.最后,在所构建的网络模型基础上,应用联合树引擎分析是否拥有私人交通工具、出行距离等影响因素对大学生共享单车出行行为的影响.分析结果表明,贝叶斯网络学习精度较高,比Logit模型预测结果更有效.     

基于因果图的贝叶斯网络

在贝叶斯网络中引入了因果图的理论,提出了一种基于因果图的贝叶斯网络,经实验证明,很好地解决了贝叶斯网络中的问题,在现实中有着重要的应用价值.     

压缩候选的贝叶斯信念网络构造算法

针对传统算法分类速度较慢的不足,改进传统算法中候选变量的搜索方式,提出用依赖度量函数测量变量之间的依赖程度,得出压缩候选的贝叶斯信念网络构造算法.该算法在不影响原有算法可靠性的前提下,提高了学习速度.     

基于贝叶斯网络和行为日志挖掘的行为信任控制

目前评估网络用户行为的方法成本高且缺乏可操作性,为了便捷有效地对用户行为信任进行预测与评价,文中首先提出了基于贝叶斯网络的用户行为信任预测和控制算法,算法利用聚类和分布密度函数设置算法参数,建立可量化的证据与信任等级之间的对应关系.接着实现基于IIS和.Net底层架构的可配置式信任管理插件,形成用户行为日志,为预测和控制算法提供证据,免除了一般Web日志的清洗工作.实验结果表明,文中算法可预测多属性下的行为信任等级,提高服务器的安全性和可靠性,并约束了用户的商业行为.