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.     

模糊因果图分析方法新探

因果图理论是一种基于概率论的不确定性推理模型,能够很有效的对系统进行故障诊断和分析,但在因果图模型中,要求事件的发生概率为精确值.然而在实际生活中事件的发生概率具有模糊性和不确定性的特点.将模糊集合理论引入其中,将普通事件拓展为模糊事件,并且对模糊因果图进行了定性和定量分析,解决了获取事件发生概率精确值的难度,也使得因果图的应用范围更广.     

基于粗糙集理论和因果图的故障诊断

【目的】复杂系统发生故障时会导致许多冗余信息产生,以此建立的因果图模型结构复杂,推理难度较大,针对这个问题提出了基于粗糙集和因果图理论的故障诊断方法。【方法】先根据历史故障数据建立决策表,利用粗糙集理论对决策表进行属性约简得到最小决策表,再根据最小决策表对原始因果图进行约简,最后利用约简后的因果图模型进行故障诊断推理。【结果】从一定程度上降低了因果图模型的复杂程度,从而提升了推理速度。【结论】以某电网为例应用此方法,因果图模型的确得到了简化,样本检验结果也与实际结果一致,说明了该方法的可行性和准确性。     

用遍历方式求解图中是否存在回路问题

本文介绍用图的深度优先搜索遍历求图中是否存在回路问题的算法。     

基于因果图的一种近似推理算法

在因果图理论中,采用图形化和直接因果强度来表达知识和因果关系,它克服了贝叶斯网的一些不足,已经发展成了一个能够处理离散变量和连续变量的混合模型.但由于因果图的精确推理是NP难的,不能完全适应实际问题的需要,因此给出了一种近似推理算法,削减了因果图精确算法的步骤和需要的一些苛刻条件,使得计算的复杂度与事件的节点数同阶,并用具体例子说明了算法推理过程.     

因果图定性分析法及其在故障诊断中的应用

在故障诊断中经常用到因果图分析法,因果图理论是基于信度网(Belief Network)[1]上发展起来的,因其完全基于概率论,具有良好的理论基础,对于网络的拓扑结构也没有限制,所以得到了广泛的应用,如故障诊断;定性分析法在故障诊断中有广泛的应用,具体方法有结构重要度系数法、概率重要度以及关键重要度法,主要介绍结构重要度系数法定性分析故障原因,进而采取预防措施。     

图的深度优先搜索遍历算法分析及其应用

本文通过具体的示例,详细分析以邻接表为存储结构进行图的深度优先搜索遍历的算法和在vc＋＋环境中实现的完整程序,最后介绍了基于该算法一些应用.     

因果图在液压传动系统故障诊断中的应用

在介绍因果图原理的基础上论述了因果图在液压传动系统故障诊断中的意义和应用     

基于遗传算法的因果图网络结构学习

在因果图理论中,采用了图形化和直接因果强度来表达知识和因果关系,它克服了贝叶斯网的一些不足,已发展成了一个能够处理离散变量和连续变量的混合模型.但是因果图的结构得由领域专家给出,这在实际中很难办到.鉴于因果图结构的复杂度随论域中节点个数的增加呈指数上升,寻找最有可能因果图网络结构成为了NP-HARD难题.文中给出了如何利用已知数据集,寻找最有可能的因果图网络结构设计的遗传算法（Genetic Algorithm,GA）.     

基于oCSE-BS方法的动态因果网络构建研究

科学构建观察现象背后因果关系是各领域研究的一个基本问题。oCSE是构建动态因果网络的一种经典方法,它通过依次寻找单个节点的因果父集逐层构建网络,区别于当前通用的由成对节点间因果关系简单合成网络的思路。oCSE能够更充分利用数据生成高质量网络,但其存在两点局限：当出现多重传递性或共因性因素时易误判因果关系;大量测算对比致使时间效率偏低。为克服上述局限,本研究提出一种改进方法oCSE-BS:引入贝叶斯评分推断特殊情况下测试节点与目标节点的因果关系,避免引入伪父节点,提升识别因果关系的正确率;采取早期丢弃策略过滤弱相关节点,避免完全搜索带来的高计算量,提升算法运行的时间效率。经验证oCSE-BS在生成网络质量和时间效率方面均优于oCSE,同时发现其运行效果对网络规模、网络稀疏度敏感度较高,对样本噪音敏感度较低。     

一种故障树模块的划分方法

故障树中模块的划分可以有效地降低故障树分析的计算代价 .基于在图中寻找强连接节点的算法 ,给出一种线性时间复杂度算法来检测故障树中的模块 .该算法通过对故障树进行两次深度优先最左遍历来实现 ,其复杂度与故障树中的节点数、边数之和呈线性关系     

因果图参数的在线学习

因果图理论是利用图形化和直接因果强度来表达知识和因果关系的一种基于概率论的推理方法,能够进行在线动态推理和对复杂系统进行故障诊断,连接强度是其推理的基础,文中给出了采用EM（η）算法在线学习因果图参数（连接强度）的方法,使学习出的参数能适应环境的变化,具有适时性．同时在理论上证明了这种方法的可行性和优点．     

因果图转换为信度网的算法

动态因果图理论是在信度网基础上发展起来的一种不确定推理模型,两者在知识表达上存在一定的差别,但大体结构类似,在一定的条件下可以进行相互转换.从分析信度网与因果图的知识表达方式的异同入手,最后推导出一种将因果图模型转换为信度网模型的算法,主要从构成信度网模型的两大要素--拓朴结构和条件概率表两方面的生成算法进行了推导和阐述.     

关于图乘法公式的探讨

借用辛普生公式 ,推导出新的图乘法几何计算公式。比较了两种公式 ,并探讨了该公式运用的一些技巧 ,最后阐述了用此方法的教学体会     

基于D-S理论的因果图区间分析方法

【目的】针对实际应用中事件发生概率具有不确定性的特点,研究解决获取事件发生概率精确值的问题。【方法】运用D-S理论提出了因果图区间分析方法,避免了获取概率的精确值,使用似然函数和信任函数分别作为因果图中基本事件区间概率的上限和下限。针对出现异常现象的事件先确定出可能导致其发生的基本事件,再分别求出这些基本事件的后验概率,然后利用相对优势度对区间数比较大小。【结果】区间数最大的基本事件就是故障源。【结论】用区间数来表示事件发生的概率值,解决了事件发生概率精确值的不确定性问题。
     

用递归BDD(二元决策图)技术分析因果图

故障树是以系统最不希望发生的顶事件为目标,通过分析找出导致顶上事件发生的全部因素;在故障树分析中,二元决策图(简称BDD)是最有效的方法之一,由于故障树和因果图都是用图形表示因果关系,两者具有很多相似性,而BDD在故障树中有广泛的应用;通过研究表明:在一定条件下,故障树和因果图之间可以互相转化,因此可以分析BDD的原理,并将BDD技术用来分析因果图。     

求凸点的割线抛物线法

本文提出的割线抛物线法(简称割抛法)是求一元函效凸点的一种算法。它可以配合函数插值拟合方法直接进行精确的一维搜索,而无需确定搜索区间(当然,也可以用它确定搜索区间)。求凸点的割抛法使一维搜索的效率明显提高。