基于增量式贝叶斯分类器的故障诊断研究

本文针对贝叶斯分类器精度不高,需要大量样本集学习,尤其是当获得大量的带有类别标注的样本代价较高时的缺点,探讨了一种基于增量式贝叶斯分类器的故障诊断方法,使用该模型不断积累完善样本,自动修正网络结构参数和概率分布参数,从而达到诊断效果的高效性。也把该模型运用到变压器的故障诊断中,通过大量的实例证明,该模型运用的算法在现实工作中有实质的可行性和操作性。     

软件定义网络中基于贝叶斯ARTMAP的DDoS攻击检测模型

为解决SDN(software defined network,软件定义网络)架构下DDoS(distributed denial of service,分布式拒绝服务)攻击检测问题,提出基于贝叶斯ARTMAP的DDoS攻击检测模型. 流量统计模块主要收集捕获到的流表信息,特征提取模块提取流表中的关键信息并获取关键特征,分类检测模块通过贝叶斯ARTMAP提取分类规则,并通过粒子群算法对参数进行优化,对新的数据集进行分类检测.仿真实验证明了模型所提取的5元特征的有效性,并且该模型与3种传统的DDoS攻击检测模型相比检测成功率提高了0.96%~3.71%,误警率降低了0.67%~2.92%.     

一种适用于多模态过程监控的集成统计指标

具有多模态特性的工业过程的数据分布呈现出与单模态过程不同的特性。在构造监控指标时,不仅要能够概括每个模态内部的数据统计特征,还要充分考虑到不同模态之间的信息。传统的T~2和SPE统计量在多模态过程中可能无法实现这一目标。提出了一种融合多模态统计信息的全局监控统计量,在贝叶斯推论的框架下,通过对每个模态的局部马氏距离赋予相应权重来实现对多模态数据的描述。通过多模态的连续反应搅拌釜(CSTH)仿真实验,验证了全局监控指标的有效性和灵敏性。     

基于贝叶斯判决规则的异步合作频谱感知新算法

依据认知无线电中授权频谱占用情况的On-Off模型,提出了一种新型的合作频谱感知算法。该算法将次用户在不同时刻的软判决结果传输给数据融合中心,在考虑到不同认知节点具有不同信噪比的情况下,将On-Off模型求得的贝叶斯融合似然比作为感知权重对各认知用户的感知结果进行数据融合。理论分析与仿真结果表明,相比传统的同步合作感知算法,该算法具有合理性更强、可靠性更高、检测性能更优以及代价更少等优点。     

基于Bayesian-MCMC方法的水体污染识别反问题

针对具有不适定性的环境水力学反问题,基于贝叶斯推理和二维水质模型建立水体污染识别反演模型,运用马尔科夫链蒙特卡罗法抽样获得污染源源强、污染源位置和污染泄漏时间等模型参数的后验概率分布和统计结果.实例研究结果表明,基于马尔科夫链蒙特卡罗抽样算法的贝叶斯推理可以较好地用来实现水体污染识别,具有识别精度高,误差小的特点,其可靠性和稳定性高于混合遗传模式搜索优化算法.     

指数型产品可靠性验收试验方案研究

在充分利用产品研制过程可靠性信息的基础上,利用多层贝叶斯方法给出了制定指数型产品可靠性验收试验的方法。该验收试验方案充分利用了产品定型试验中的先验信息,将产品在研制阶段的可靠性信息转换为批产品的可靠性信息,在确保较好验收效果的前提下,比传统的验收试验大大减少了试验时间,从而得到可观的经济效益     

受限参数空间上的置信区间

当参数限制在某一范围内并服从一致的分布，且多余参数未知时，其贝叶斯置信区间有很高的置信概率。本文提出了利用随机变量的均值来计算置信区间的方法，并对上述结论进行了充分的检验，结果显示在更短的置信区间上仍然有很高的置信概率。     

索伯的简单性原则述评

简单性原则作为真理的标志为人类所偏爱,美国当代著名科学哲学家艾利奥特·索伯(Elliott Sober)追溯了简单性原则的哲学渊源并对此问题进行了深刻的探讨.在此基础上,他进一步研究了简单性原则在科学假说评价与模型选择标准中所起的重要作用.     

基于贝叶斯网络的团队仿真训练情景生成方法

对于基于EBAT的团队仿真训练,情景的有效生成直接决定了实际的训练效果.为解决随机条件下,考虑关键事件因素的情景生成问题.在对情景生成过程建模的基础上,引入训练目标、事件、关键事件等要素,提出情景贝叶斯网络模型.基于贝叶斯网络推理方法,建立情景贝叶斯网络推理的数学模型,并提出启发式推理方法.针对情景案例进行建模及推理实现,并对结果进行分析.结果表明,关键事件重要程度影响下的情景贝叶斯网络建模及启发式推理,能直接提高关键事件对情景生成结果的控制能力,从而使情景生成结果更为有效.     

基于贝叶斯网络的故障树分析

文章简要阐述了贝叶斯网络的构造原理和网络信念的传播与更新,并详细说明了故障树向贝叶斯网络转化的过程,主要包括结点与事件的映射关系和联接强度与逻辑门的映射关系.最后通过一个实例说明了故障树向贝叶斯网络的转化过程,并对二者的推理功能进行了比较.