基于贝叶斯网络的态势估计模型研究

介绍了静态贝叶斯网络模型在态势估计中的具体应用和算法实现,重点分析了态势估计中的态势、事件关系抽象为贝叶斯网络后,态势-态势连接、事件-事件连接、态势-事件连接在贝叶斯网络中的推理过程,最终建立了态势估计的具体模型。     

基于贝叶斯网络的网络安全态势评估方法研究

针对当前网络安全评估系统不能提供有用态势信息的缺陷,提出了一种新的网络安全态势评估方法。将贝叶斯网络应用于网络安全态势评估中,根据多树型网络推理,利用贝叶斯网络的图形结构,提出了由点到面、自下向上相互影响的多元化安全态势评估模型。并将网络及主机工具采集的信息作为事件节点的证据来更新态势节点的概率,并反过来影响事件节点的概率,从而预测网络安全态势。     

基于学习型贝叶斯网络的供电风险传递分析

基于供电网络中存在大量的风险,它们的发生并不是独立的,而是随着供电过程相互传递,这种传递性既存在于供电网络的各环节之间,也存在于每一个环节的内部各风险之间,为分析此风险传递关系,建立一个贝叶斯网络,再利用学习型贝叶斯网络的学习机制对网络进行优化。研究结果表明：通过这种优化可以得到清晰的供电风险传递网络及风险间的关联度,去除不必要的冗余信息,更有助于识别关键风险及进行决策;同时,该网络还能快捷地计算出需要的概率并直观地对各风险因素进行对比,为风险管理提供依据。     

基于贝叶斯网络的态势评估诊断模型

针对传统的水电设备诊断模型通用性差等问题,提出了基于贝叶斯网络的水电设备态势评估诊断模型.该态势评估模型根据功能分为三层结构:特征级、理解级、评估级.并将贝叶斯网络中的节点按照功能分为态势节点和事件节点,采用网络推理过程将传感器采集信息作为事件节点的证据用来更新态势节点概率,并反过来影响事件节点的概率.该诊断模型在水电设备调速系统的诊断应用中的准确率达到95.2%,证实了该模型的判决可信度.     

舰艇编队电磁态势预测的动态贝叶斯网络方法

对敌舰艇编队进行电磁态势预测是我方指挥员选择电子战作战方法、制定电子战资源分配方案的基础.引入DBN算法实现电磁态势预测过程中大量不确定、不精确、不完全的知识表示与推理,在分析舰艇编队电磁攻防事件类型基础上,依据事件间因果关系构造了舰艇编队电磁态势预测DBN模型,研究了DBN的推理算法.理论分析和实验结果表明:该方法具有较高的预测准确性,能在一定程度上为指挥员电子战决策提供辅助支持.     

基于直觉模糊贝叶斯网络的高速铁路突发事故态势估计

为了提高高速铁路应急部门针对突发事故进行应急决策的能力,通过建立直觉模糊贝叶斯网络(intuitionistic fuzzy Bayesian network, IFBN)对突发事故现场进行态势估计,为应急决策提供依据。首先,分析了高速铁路突发事件的诱因、事故分类及应急决策的特点和流程;其次,利用直觉模糊数表示贝叶斯网络节点的证据信息,给出了基于IFBN的态势估计方法;最后,以动车组(electric multiple units, EMU)在高架桥突发火灾事故为例分别用贝叶斯网络(Bayesian network, BN)和IFBN进行推理。经过多组推理比较,结果表明：当信息犹豫度较大时,BN推理会产生与实际情况相反的结论,而IFBN克服了此缺点,推理结果仍然准确,可见利用IFBN推理模型进行态势估计比经典贝叶斯方法更加准确可信。     

基于模糊贝叶斯网络的地铁运营安全风险预测

为了量化地铁运营安全风险并识别相关风险的关键事件,从组织、人因错误的角度出发,利用贝叶斯网络构建了事故的致因关系.同时,基于模糊集理论,利用模糊语义及积分值法量化基本事件的条件概率.案例研究中,针对某地铁火灾事故,依据贝叶斯网络推理得出火灾事故的发生概率.研究结果表明,模糊贝叶斯网络对于地铁运营安全风险预测是切实可行的,计算得到的风险概率反映了地铁系统目前的安全状况.敏感性分析结果显示,车轴温度过高引起的敏感性因子最大,是引起火灾风险的关键事件.在引起这个关键事件的顶事件中,现场管理更为重要,因此加强现场管理能够更加有效地降低事故发生的概率.     

基于贝叶斯网络的企业社交网络招聘风险评价

伴随着社交网络平台的多样化发展,社交网络招聘已成为企业关注的热点.为了有效降低企业社交网络招聘的风险,采用流程图法,结合文献研究结果和专家意见,全面分析了社交网络招聘中的风险因素,进而建立企业社交网络招聘的风险评价指标体系.基于贝叶斯网络方法提出企业社交网络招聘风险的评价模型,将模型应用于企业社交招聘风险评价的实际算例,计算得出社交网络各招聘阶段风险及招聘总风险,按照风险发生概率的大小进行排序,并提出相应的防范对策及建议,验证了评价方法的有效性.     

参数在线学习的动态贝叶斯网络态势估计算法

为快速实现对战场态势的精确估计,提出了参数在线学习的动态贝叶斯网络方法：在基于专家知识确定的动态贝叶斯网络结构模型基础上,用前向递归方法对网络模型的参数进行估计 . 针对战场态势模型的观测值具有小样本的特性,以狄利克雷分布作为样本的先验分布,采用矩估计法对先验分布的超参数进行估计,以该先验分布的等价样本与观测值实现对网络参数的学习和对战场态势的估计 . 仿真实验结果表明,应用该方法实现态势估计具有较高的实时性和准确性 .     

软件项目进度风险的贝叶斯网络模型研究

为研究软件项目进度风险,给出了进度贝叶斯网络的定义,引入工作节点、时间节点和资源节点等,并在工作节点之间的弧上添加时距;同时为进度安排中的工作不确定性、时间资源不确定性以及资源不确定性等建模。给出了进度贝叶斯网络中的相关计算,提出采用进度贝叶斯网络评估,控制软件项目的进度风险,并就一个简单示例说明了进度贝叶斯网络的应用。     

Assessing the Risk Situation of Network Security for Active Defense

The risk situation assessment and forecast technique of network security is a basic method of active defense techniques. In order to assess the risk of network security two methods were used to define the index of risk and forecast index in time series, they were analytical hierarchy process （AHP） and support vector regression （SVR）. The module framework applied the methods above was also discussed. Experiment results showed the forecast values were so close to actual values and so it proved the approach is correct.     

基于增强型BN的CTCS-1级ATP可靠性研究

结合CTCS-2级与CTCS-3级列控系统设计和运用经验,铁路总公司提出了CTCS-1级列控系统的研制需求,该系统车载ATP设备将取代LKJ与机车信号对既有线列车的控制.本文以CTCS-1级ATP为主要研究对象,对比分析模块级冗余与系统级冗余方案下CTCS-1级ATP系统可靠性.根据CTCS-1级列控系统总体技术方案,构建模块级冗余与系统级冗余ATP可靠性框图,建立对应增强型贝叶斯网络(BN)模型.借助增强型BN正向推理,求解两种设计方案下ATP可靠性定量指标,评估两种设计方案的优劣.利用增强型BN模型逆向推理,求解列车超速防护(ATP)设备故障下基本单元条件失效概率,查找两种冗余设计方案的潜在薄弱环节.评估结果表明:两种方案下CTCS-1级ATP RAM指标均满足需求规范要求,但采用模块级冗余设计的CTCS-1级ATP RAM指标更优;外围冷备模块条件失效率明显高于其他模块,为CTCS-1级ATP的薄弱环节.     

基于Bayesian网络的电子商务网站质量管理模型

电子商务网站的质量对电子商务的成功有直接的影响。该文建立了一个动态的、客观的电子商务网站质量管理模型,讨论了电子商务网站质量的主要因素、属性以及子属性,形成了指标体系;应用B ayes ian网络原理,建立了基于B ayes ian网络的网站质量管理模型。该模型基于用户感知的质量,以总质量作为中心结点,可以直接测量的质量子属性为网络根结点。利用该模型的前向推理和后向推理,既可以对电子商务网站质量进行评估,又可以进行网站的质量管理。     

Research on Bayesian Network Based User＇s Interest Model

It has very realistic significance for improving the quality of users＇ accessing information to filter and selectively retrieve the large number of information on the Internet. On the basis of analyzing the existing users＇ interest models and some basic questions of users＇ interest （representation, derivation and identification of users＇ interest）, a Bayesian network based users＇ interest model is given. In this model, the users＇ interest reduction algorithm based on Markov Blanket model is used to reduce the interest noise, and then users＇ interested and not interested documents are used to train the Bayesian network. Compared to the simple model, this model has the following advantages like small space requirements, simple reasoning method and high recognition rate. The experiment result shows this model can more appropriately reflect the user＇s interest, and has higher performance and good usability.     

用于预测的贝叶斯网络

通过示例给出了贝叶斯网络的构造方法,概括了贝叶斯网络的特点及贝叶斯网络学习的内容与过程,同时给出了离散型贝叶斯网络的预测公式。贝叶斯网络学习主要有三个基本环节,其一是确定变量集和变量域;其二是确定贝叶斯网络结构;其三是确定局部概率分布。贝叶斯网络是描述变量之间定性与定量依赖关系的图形模式,是进行数据联合分析与预测的有力工具。     

基于风险传染的金融网络系统风险模型?

在金融体系中,不同机构之间存在着错综复杂的财务关系,从而形成了一个庞杂的金融网络.本文提出金融网络的一个风险传播模型,通过模拟单个机构破产所带来的风险传染效应来研究金融体系的系统风险,这与传统的孤立考察单个机构的风险再将所有机构的风险加总的研究方法不同.在文章中我们考察了不同网络结构、不同网络规模以及不同节点对于系统稳定性的影响,并且将模型应用在实证数据.为更好地理解金融体系系统风险提供了帮助.     

基于贝叶斯方法的高含硫井口气液分离器动态风险分析

传统的定量风险分析方法不能有效利用井口分离器的运行状态数据进行动态风险分析,从而导致评估结果易于偏离实际。构建事件树模型模拟分离器异常事件的发展过程,然后基于贝叶斯方法利用事故先兆数据动态分析分离器安全屏障的失效概率和异常事件后果发生概率,并采用模糊损失率的方法量化事故后果造成的损失,进而完成对分离器的动态风险分析。结果表明,新提出的基于贝叶斯方法的高含硫井口气液分离器动态风险分析方法克服了传统风险评价方法的不足,可动态评估事故发生概率,并可动态反映分离器的风险变化,能够为高含硫井口气液分离器等相关设备的风险分析与控制提供参考。     

基于信息论和免疫遗传算法学习贝叶斯网络结构

提出一种新的实现贝叶斯网络(BN)结构学习的方法,即由信息论和免疫遗传算法相结合构造最优贝叶斯网络结构.首先,通过信息论迅速搜索较为可能的网络空间,构造一个候选网络,然后用免疫遗传算法进行网络精简,得到一个最优的网络结构.不仅可降低计算复杂度,提高贝叶斯网络结构学习的效率,而且避免了传统启发式算法易陷入局部最优解的问题.实例计算证明了其可行性.     

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.     

网络安全的风险分析

随着计算机网络的发展，网络安全问题日益突出，对网络安全进行风险分析就变得日益重要．本文从计算机网络的特点出发，提出了网络安全风险分析的一种定量分析方法，并应用该方法，对某个单位局域网进行了风险分析．