贝叶斯网络推理算法综述

贝叶斯网络是一种有效的不确定性知识表达和推理工具,概率推理是其重要研究内容之一。经过二十年的发展,贝叶斯网络已经有一些比较有效的精确和近似推理算法。对迄今为止的贝叶斯网络推理算法研究进行综述,从复杂度、适用性、精度等方面对它们进行比较分析,指出每种算法的关键环节,为实际应用中算法选择和研究提供参考。     

变结构离散动态贝叶斯网络及其推理算法

目前的动态贝叶斯网络的研究,是定义在每一个时间片的静态贝叶斯网络结构和参数都一致的基础上,对于过程突变,参数变化等情况就难以适应.为了解决这个问题,提出变结构离散动态贝叶斯网络的概念,并根据概率和动态贝叶斯网络的理论,推导出变结构离散动态贝叶斯网络的推理方法,对算法进行了验证并结合环境变化时的路径选择问题,进行了计算仿真.计算和仿真结果证明了文章提出的变结构离散动态贝叶斯网络的概念和推理算法的正确性.     

贝叶斯网络推理的一种仿真算法

贝叶斯网络是一种强有力的不确定性知识表达和推理工具。网络的推理是贝叶斯网络的重要内容之一。该文提出了一种近似仿真算法。由随机数发生器产生随机数，并按节点的先验概率，由赌轮对网络各个节点状态赋值，得到一个采样样本序列。当样本序列的数量足够大时，边缘统计量和条件统计量与节点的边缘概率和条件概率接近，从而得到网络的近似推理结果。仿真结果表明，该算法与精确解接近，有较好的适应性。基于该算法构造的贝叶斯诊断网络系统已成功应用于天津石化炼油厂。     

基于弹性变结构DDBN网络的空战目标识别

采用离散动态贝叶斯网络的直接推理方法作为基础,提出弹性变结构离散动态贝叶斯网络的概念,构建了空战目标识别的弹性变结构离散动态贝叶斯网络模型,给出了相应的推理算法,以此克服了离散静态贝叶斯网络和定结构离散动态贝叶斯网络在目标分类识别过程中出现的问题。通过仿真结果对比,表明该方法可以综合各个时刻各种被观测到的确定和不确定信息,从而更为有效的实现目标的分类和识别。     

基于贝叶斯网络自适应推理的无人机任务决策

针对不确定环境下无人机任务决策问题, 提出一种基于变结构离散动态贝叶斯网络的自适应推理算法. 该算法能够利用软/硬证据和先验信息动态地调整任务决策模型参数, 通过推理和参数学习互动的方式使任务决策模型具备适应动态环境的能力. 仿真证明, 提出的自适应推理算法能够在突发威胁信息不完备、先验参数不精确和先验参数无认知的情况下为无人机任务决策提供保障.     

基于贝叶斯网络的系统可靠性评估方法研究

为了有效评估动态系统要素间的复杂行为和交互特性,提出了一种基于贝叶斯网络(Bayesian Network,BN)的可靠性建模与分析的新方法.该方法利用BN的不确定性推理和图形化表达的优势,能够很好地捕捉系统要素的行为与交互,以结构的方式组合各种基本BN架构为用户提供模块化和分级的途径对系统进行建模.实验结果表明该方法的可行性和有效性.从而提高了系统的灵敏度,减少了其不确定性.     

离散动态贝叶斯网络的直接计算推理算法

离散动态贝叶斯网络是对动态过程进行建模和定性推理的有力工具。但是目前所用的各种推理算法都需要进行复杂的图形变换,不易于计算机编程实现而且计算时间长。为此,基于概率论和贝叶斯网络的基本性质,提出了离散动态贝叶斯网络的直接计算推理算法,从理论上对算法进行了推导并进行了实例验证。该算法的最大优点就是不需要复杂的图形变换,非常适合于计算机编程实现,而且在某些情况下推理速度快于其它算法。     

因果图迭代推理算法研究

针对因果图精确推理是NP(nondeterministic polynomial)难的问题,提出了一种迭代推理方法。首先,从图论的角度分析了因果图推理中概率计算的机理,并提出了矩阵解环的方法。在此基础上提出了一种迭代推理算法,该算法只需要进行简单的矩阵运算,大大简化了传统因果图推理复杂的计算过程,可以在多项式时间复杂度内实现推理。其次,分析了算法存在的问题并提出了改进的方向。最后,运用实例分析验证了该算法实现因果图推理的效果。研究表明,该算法能够有效地进行因果图推理,推理效率高,推理结果正确,为因果图提供了一种高效的近似推理方法,对因果图的应用具有重要意义。     

基于IFTBN的不确定性时间推理方法

针对模糊贝叶斯网络模型对复杂不确定性时间信息描述和推理方面的局限性,给出了直觉模糊贝叶斯网络的定义,并将直觉模糊时序逻辑理论与贝叶斯网络推理相融合,构建了直觉模糊时间贝叶斯网络(intuitionistic fuzzy time Bayesian network, IFTBN)模型,提出了基于IFTBN的不确定性时间推理算法,较好地解决了态势估计中不确定性时间推理精度不高的问题,提高了军事态势评估系统形成正确战场感知的作战效能。最后通过典型实例验证了该时间推理方法的有效性和优越性。     

基于离散动态贝叶斯网络的辐射源目标识别研究

提出基于离散动态贝叶斯网络模型,对若干可观测的目标特征参数进行综合推理.推导了离散动态贝叶斯网络的推理算法.建立了目标识别的离散动态贝叶斯网络模型.应用图形模式,使得计算量大大简化,降低了实用的复杂性.仿真结果表明,该方法能够将各种目标特征进行综合,使得各种特征及不同时刻的同一特征互相修正补充,克服了依靠单一特征进行目标识别的局限.     

基于虚拟实验方法的滑动窗口协议分析

随着网络技术的飞速发展，如何定量地分析网络的原理，无论对于研究者还是学习者都是十分重要的。建立虚拟网络实验室，是当前网络与研究的设计的先进方法，它的应用使得建立低耗费的复杂网络系统测试平台成为可能。本文通过基于虚拟实验的方法，对三种典型的滑动窗口协议进行分析，用面向对象的方法建立了一个虚拟实验模型,包括体系和主要的类的设计，并介绍了该模型的其他特点。最后通过一些典型的实例具体的描述了滑动窗口协议虚拟实验的过程。并根据实验结果分析了这三种滑动窗口各自协议的特点和性能。     

基于CORDIC的滑窗最小二乘递推算法

针对最小二乘算法涉及对数据自相关矩阵求逆,若直接求逆则计算量比较大,且求逆过程对误差比较敏感,有限字长效应明显的问题,提出一种基于Givens旋转的滑窗RLS实现方法,并且给出了CORDIC实现的方法,提高了基于QR分解的最小二乘算法实现的计算效率和数据吞吐率,使其适应于需要极高采样率的应用,并且该算法能够以滑窗形式的样本作为输入,比传统的Givens算法能够适应更多的应用环境。仿真结果验证了该方法的有效性。     

Research on the self-defence electronic jamming decision-making based on the discrete dynamic Bayesian network

The manner and conditions of running the decision-making system with self-defense electronic jamming are given.After proposing the scenario of applying discrete dynamic Bayesian network to the decision making with self-defense electronic jamming,a decision-making model with self-defense electronic jamming based on the discrete dynamic Bayesian network is established.Then jamming decision inferences by the aid of the algorithm of discrete dynamic Bayesian network are carried on.The simulating result shows that this method is able to synthesize different targets which are not predominant.In this way,various features at the same time,as well as the same feature appearing at different time complement mutually;in addition,the accuracy and reliability of electronic jamming decision making are enhanced significantly.     

基于数据修补DDBNs的空中目标识别方法研究

简要分析了离散动态贝叶斯网络用于目标识别时对缺失数据处理方法的研究现状,提出了把数据修补技术用于变结构离散动态贝叶斯网络。首先在对空中目标识别模型分析的基础上,构建了一种基于数据修补的离散动态贝叶斯网络模型。进而构建了修补算法的数学模型,并给出了修补过程。待缺失数据修补完整后,再运用修正后的直接推理算法计算目标类型。通过仿真结果对比,表明该方法可以有效地提高识别系统的准确性、可靠性和鲁棒性。     

基于贝叶斯网络的编队对地攻击损伤评估研究

随着武器的高科技化、战场环境的复杂化、战斗节奏的加快,战斗损伤评估系统在现代战争中占有越来越重要的地位。针对战场战斗损伤评估信息的多样性、不确定性和模糊性,基于贝叶斯网络易于进行不确定性推理的优点,提出应用贝叶斯网络对对地攻击效果进行分析评价,建立了编队对地攻击损伤评估的贝叶斯网络模型,给出了基于贝叶斯网络的损伤评估的推理决策方法,并且对该方法进行了仿真分析。仿真实例表明,基于贝叶斯网络的损伤评估模型能够提高损伤评估的准确度,而且推理简单,易于实现。     

基于隐马尔科夫模型的中国股票信息探测

应用隐马尔科夫模型对不可观测的股票信息状态建模, 并构建信息状态转移概率矩阵刻画信息状态在时间维度上的动态关联性. 基于5分钟分时高频数据, 利用贝叶斯推断与马尔科夫链蒙特卡洛模拟(MCMC)的方法估计了上证指数、上证50样本股2010年 8月的信息状态与信息强度. 通过实证验证了模型具有较好的信息识别能力, 且发现了中国股票市场信息效应具有聚集性的特点. 通过信息状态转移概率矩阵, 推测出:在我国股票市场, 一个信息经过100分钟能融入市场的概率是99%.     

时间窗口对个性化推荐算法的影响研究

研究了时间窗口对基于10种用户相似性指标的个性化推荐算法的影响。在标准数据集MovieLens上的实验结果表明,只采用大约12.56%的用户近期历史记录,所得到的推荐结果准确性可以平均提高27.17%,而推荐列表多样性可以平均提高3.28%,极大地降低大规模数据所带来的计算复杂性问题。     

基于KL距离的交互式动态影响图近似算法

交互式动态影响图(interactive dynamic influence diagrams, I-DIDs)状态空间太大,候选模型的数量随时间变化而呈指数倍增长。针对其备受计算量困扰的问题,提出一种利用近似行为等价原理与区别模型更新算法(discriminative model updates,DMU)相结合的近似算法。首先给出了基于Kullback-Leibler (KL)距离模型行为等价和近似行为等价的定义,然后基于KL 距离和候选模型的动作对候选模型聚类,自上而下合并策略树形成策略图,最后利用DMU算法进行求解。仿真结果表明,相对于传统的DMU算法,所提近似算法能显著降低候选模型的数量,提高I-DIDs的效率,对I-DIDs的理论及应用研究具有参考价值。     

基于贝叶斯网络的GO法模型算法

GO法是评价具有多状态时序特性的复杂系统可靠性的有效方法,但GO法操作符众多、算法复杂并且缺乏工具软件支持,制约了GO法的工程应用。针对该问题,本文提出一种基于贝叶斯网络的GO法新算法。首先,定义常用操作符到贝叶斯网络节点映射规则;然后,给出GO模型映射转换为贝叶斯网络的可编程流程;最后,利用贝叶斯网络成熟工具支持,定量求解映射后的贝叶斯网络模型。新算法操作符映射规则统一,模型映射转换流程简单直观,便于工程人员掌握和应用。此外,除了能得出传统的定量结果,新算法使得GO法还具有故障推理和诊断能力。