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.     

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.     

在非时齐马氏决策过程中的动态贝叶斯网络研究

提出了用动态贝叶斯网络（DBN）对非时齐马氏决策系统进行建模的改进方法，使动态贝叶斯网络能被更广泛地应用于各种复杂的真实系统中．该方法的基本思路是，将扩展后的隐藏变量引入DBN的演化过程来建立假设条件所要求的马尔可夫模型，给出从不完整的样本数据集以及存在隐藏变量时来学习DBN结构的算法，进而用贝叶斯概率统计方法对后来的时间片的充分统计因子进行估计，并通过当前已存在的和估计的充分统计因子对基于时间变化的转移概率进行学习，以解决假设条件要求的转移概率的时不变性．原理性分析和仿真实验结果也验证了改进方法的有效性．     

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。     

采空区顶板事故动态贝叶斯模型

 在采空区危害中,顶板破坏是主要灾害事故之一,一旦发生塌陷事故影响恶劣。本文在对采空区顶板事故进行事故树分析法（FTA）定性分析的基础上,采用贝叶斯网络转化的方法对采空区顶板事故树进行转化,建立采空区顶板事故贝叶斯网络模型,同时采用基于Matlab的BNT软件包进行定量计算,无需确定权重,对先验概率和后验概率结果对比分析,得出影响采空区的主要因素,认为采空区顶板事故发生的条件概率中,施工人员未按照设计开采和支护不当的重要度最大,因此在实际施工过程中,施工人员必须严格按照设计开采,加强支护,以确保采空区顶板稳定。     

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.     

基于模糊贝叶斯网络的建筑火灾预警算法研究

提高建筑防火安全,降低建筑火灾预警结果的误报率与漏报率,本研究设计了基于模糊贝叶斯网络的建筑火灾预警算法。在构建火灾预警指标体系的基础上,结合贝叶斯网络构建事故树模型。将建筑物中待监控的火灾危险因素分为静态和动态两部分,依据事故树模型实现对建筑火灾的有效预警。仿真实验结果表明:应用该算法后,建筑火灾预警结果的误报率和漏报率有所下降。且该算法能够使火灾预警更及时,提高建筑物的安全性。     

一种基于周期的动态贝叶斯网络预测模型

本文提出一种基于周期性数据的动态贝叶斯网络预测模型.由于充分考虑到原问题的周期特性,因此有效的提高了预测的精确度.特别的,应用于我国电力增长率问题,该模型取得较好的效果.     

基于贝叶斯网的移动互联网应用部署算法研究

针对传统的应用部署算法多是对特定平台上的简单应用提出,不适合对复杂应用实现有效的部署.提出了服务子图的概念,简化了应用拓扑结构,降低了应用模型的复杂度,更加适用于大型移动应用;另一方面,采用基于贝叶斯网络及概率图的算法来维护应用部署预测模型,提高了应用部署的性能和准确性,提高了服务质量;最后搭建了实验平台并研发了典型应用进行验证,取得了较好的效果.     

Novel recursive inference algorithm for discrete dynamic Bayesian networks

Dynamic Bayesian networks (DBNs) can effectively perform modeling and qualitative reasoning for many dynamic systems. However, most of its inference algorithms involve complicated graphical transformations that are hard to program and time-consuming to compute. This article proposes a new recursive inference algorithm, which is a purely numerical method derived from probability theory and the characteristics of Bayesian networks to do both on-line and off-line inferences in discrete DBNs. The most prominent advantages of this novel approach include: (1) it is an exact inference algorithm, thus its accuracy and stability can be guaranteed, (2) it avoids the complex graphical transformation so as to remarkably improve the inference speed, and (3) its concise recursive formulae facilitate programming of both forwards and backwards pass. All of these issues are verified by accurate mathematical derivation as well as a couple of application examples with comparison between the new algorithm and the two most prevailing inference approaches of discrete DBNs – the interface algorithm and the forwards–backwards algorithm.     

基于模糊动态贝叶斯网空战敌方作战企图识别

文章对空战中敌方目标作战企图的各个因素进行了分析,建立了敌方目标作战企图识别的动态贝叶斯网模型,根据连续变量的不同特点,通过构造和设置不同的隶属函数和参数,对连续变量的观测值进行模糊分类,通过引入可能性概率转换理论转换为贝叶斯网能够利用的证据信息用于推理,使对敌方目标作战企图的推理过程具有前后连续性,更加符合客观实际,有效地减少了主观判断带来的误差。仿真实验表明,该方法的推理结果与理论分析一致,为识别敌方目标作战企图提供了一种可行且有效的方法。     

模糊动态贝叶斯可靠性分析方法及其在动车制动系统中的应用

针对动车制动系统的故障发生率具有模糊不确定性以及实际工作环境中故障的发生包含动态性特点,运用三角模糊数和扩展原理来表示底事件故障率,将动态离散时间贝叶斯网络模型与故障树模型相结合,分析获得动态贝叶斯网络叶节点的模糊故障率和各根节点的后验概率。解决了不确定条件下的动态系统可靠性分析问题,对兰新客专线路上运行的动车组的制动空气供给系统进行分析,获得了系统的可靠度预测曲线和薄弱环节,为该路线上运行动车的制动系统针对故障特点制定相应的检修和维护方案提供了理论依据。     

一种动态的决策树算法研究

通过对SPRINT、RAINFOREST等传统决策树算法改进，使其能够适应不断生长的训练集，生成一棵与旧树相关的树；改进后的算法，新样本一来即可处理，随时产生一个相关的决策树，并且此树还不断优化，具有实时性．     

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.     

基于聚合树模型的大规模网络动态路由协议

提出了适用于网络动态拓扑改变的聚合树模型,基于路由器间链路的各种参数特性构建了聚合树模型,大幅缩减了路由过程的搜索空间.当网络发生动态变化时,启动文中提出的增量算法来更新网络.这一算法和模型可以适合网络动态改变所涉及的变化,它只需更新受到影响的链路信息,而不需要在整个网络中重新计算路由,在通信复杂度方面取得了对数级的递减.仿真结果显示这一模型在复杂度和路由准确性方面都获得了较高的性能.     

无线传感器网络补偿性代价生成树路由算法

针对无线传感器网络中的"热点"问题,采用分簇的拓扑控制方法,并就簇头多跳方式提出了一种贪婪算法,以此在簇头间形成一种基于传输代价的生成树.算法前提是不同簇的传感数据相关性较小,不能进行数据融合.生成过程中每一步都以最小化当前最大节点代价为原则加入新的节点,从而达到均衡簇头节点能量消耗,延长网络生存时间的目的.并且在代价计算中引入相对剩余能量因子,以进一步均衡节点能量异构情况下的能量消耗.仿真结果表明,与现有典型算法相比较,在大规模无线传感器的应用环境下,网络生存时间得到有效的延长,节点剩余能量的分布也更加合理.     

双参数动态Gamma分布模型及贝叶斯预测

给出了观测值服从双参数Gamma分布,并在自然参数与状态参数之间满足线性关系ωt=Ft′θt的假设下,利用共轭分布给出了相应模型的修正递推及其预测公式。