基于证据理论/层次分析法的贝叶斯网络建模方法

针对依据专家知识推断贝叶斯网络中条件概率表(CPT)时存在的个体推断信息缺乏完备性和精确性以及整体集成结果缺乏科学性的问题,提出了基于证据理论/层次分析法(DS/AHP)的能够从专家推断信息中提取最优条件概率的方法.首先,通过引入DS/AHP方法中的知识矩阵提出了有利于实现判断对象更直观、判断方式更完善的推断信息提取机制;其次,在此基础上遵循由前至后的推断顺序提出了贝叶斯网络的构建过程;最后,应用传统方法与提出方法对同一贝叶斯网络中的缺失条件概率表进行了推断.数值对比分析表明,所提方法能够在提高计算效率的同时将累计总偏差降低41%,验证了所提方法的科学有效性和应用可行性.     

基于进化MCMC的DBN学习算法

提出利用进化MCMC算法进行动态贝叶斯网络(DBN)学习的方法。在数据缺省情况下利用EM算法进行贝叶斯网络参数学习,结构学习部分生成多条备选的贝叶斯网络染色体,对染色体进行变异操作和交叉操作,在遗传操作中根据温度参数和贝叶斯网络及贝叶斯信息准则来构造MCMC函数,并利用MCMC函数进行贝叶斯网络学习。每一代进化后,将贝叶斯信息评分最大的贝叶斯网络作为结构学习的结果。实验结果验证了该方法性能的稳定性。     

一种混沌贝叶斯优化算法

为了减少贝叶斯优化算法的计算量,该文提出了一种混沌贝叶斯优化算法。用混沌随机序列产生贝叶斯优化算法的初始群体,利用混沌随机性、遍历性和对初始条件的敏感性的特点,提供给贝叶斯网络变量空间丰富的信息,有利于建立接近最优的贝叶斯网络。为增加群体的多样性同时减少贝叶斯网络的建立次数,采用混沌搜索方法对贝叶斯网络产生的新解进行变异寻优,以此为基础再建立贝叶斯网络。实验结果表明,与贝叶斯优化算法相比,混沌贝叶斯优化算法能有效减少计算量。     

基于贝叶斯网络的制粉系统安全控制方法

制粉系统作为燃煤火电机组重要的辅助系统,其状态直接影响整个机组的安全稳定运行。针对制粉系统中最易出现的堵煤异常工况,提出基于贝叶斯网络的安全控制方法。首先,利用专家知识及数据信息离线建立诊断贝叶斯网络模型及安全控制贝叶斯网络模型;其次,在线获取异常工况现象层的节点等级作为证据,通过诊断模型推理,在线诊断异常工况;再次,诊断产生异常工况后,在线获取当前异常工况现象层的实时节点等级进行证据更新,通过安全控制模型,推理产生实时的安全控制决策。最后,利用仿真验证了所提方法的有效性。     

基于贝叶斯网络和多传感器的障碍物识别系统

针对无人车获得的障碍物信息的不确定性和不完整性以及贝叶斯分类器对不完整信息比较敏感等不足,选择了贝叶斯网络分类方案。该方案在构建贝叶斯网络模型时,将贝叶斯推理运用其中,提高了贝叶斯网络的识别率。该分类系统依托某研究所无人车项目,通过激光雷达和CCD传感器获取障碍物实时信息,为网络模型提供数据信息。     

基于并行模糊归类的网页信息提取方法研究

因特网目前是一个巨大、分布广泛、全球性的信息服务中心,它涉及新闻、广告、消费信息、金融管理、教育、政府、电子商务和许多其它信息服务。但Internet所固有的开放性、动态性与异构性,使得准确快捷地获取网络信息存在一定难度。针对这一问题,该文提出了并行模糊归类网页信息提取方法。经实验表明,该方法不仅具有较高的准确度,同时提高了网页提取速度。     

基于贝叶斯网络的网络品牌认知度评价方法

随着电子商务和网络经济的快速发展,网络品牌的不确定信息越来越多,给消费者的选择造成了很大的困扰。考虑到网购消费者普遍存在的重复购买属性以及网络品牌对消费期望的重要性,有必要考虑网络品牌对消费者购物期望的动态影响,探究一种科学有效的评价体系,完成对网络品牌认知度的评价。贝叶斯网络是获取不确定知识的有效方法。介绍贝叶斯网络的优势与特征,论证基于贝叶斯网络进行网络品牌分类的可行性。实验证明通过贝叶斯网络可以有效地对网络品牌进行分类,获取电子商务系统的所需信息,帮助用户进行网络品牌的选择和购买行为的决策。     

免疫阴性选择分类器在信息恢复中的应用

文中的信息恢复系统是基于网络获取文本信息的系统,利用基于熵的信息抽取技术将获得的网络文本转换成特征向量文件．免疫阴性选择分类器是基于免疫系统丁细胞选择原理设计检测器,利用协同进化算法进化检测器,进化得到的检测器对信息恢复系统中的文本特征向量进行分类．分类后得到的有用文件用于系统中的信息恢复．实验结果表明,与传统的朴素贝叶斯分类器比较,该方法具有更高的分类准确性,不仅验证了免疫阴性选择分类器的良好性能,同时也提高了信息恢复准确性．     

基于贝叶斯方法的网络信息过滤技术研究

随着计算机和网络技术的发展,网络上的信息越来越多,如何在短时间内查询到符合自己需求的有用信息,是每一个网络用户非常关心的问题。信息过滤的研究是当前一个比较热门的话题,信息的筛选和过滤是对信息按照预先确定的标准进行分类。本文在分析大量网络信息的基础上,利用贝叶斯方法进行研究,提出一个基于贝叶斯统计分析的信息过滤模型。     

一种基于GAN和纠错编码技术的无嵌入隐写方法

为解决传统的信息隐藏技术中隐写容量小和隐写安全性低的不足,提出了利用生成式对抗网络(GAN)的无载体信息隐藏方法.首先利用噪声驱动生成器直接生成含密图像,然后训练秘密信息提取器以恢复隐藏的秘密消息.同时,进一步优化了提取器的训练任务,并引入冗余纠错编码技术.实验结果表明,相比同类方法,在大隐写容量的情况下,具有更高的信息提取准确率,同时加快了提取器的训练收敛速度.     

基于本体的网页数据抽取技术的研究

随着网络上信息的飞速增长,网络已发展成为一个巨大的数据库,人们对快速准确地获取网页数据提出了更多的需求。目前,自然语言处理领域已经将网页信息抽取技术的研究作为一个重点。首先该文介绍了关于本体的一些基础知识,在此基础上提出并实现了一种基于领域本体的网页数据抽取方法。在该文中,利用领域本体的关键词、概念及关系来生成抽取规则,采用语法分析模块对输入的文档进行预处理,最后根据语法分析的机构和生成的抽取规则来对文档实现数据抽取。实验证明,该方法具有良好的性能。     

Remote sensing data change detection based on the CI test of Bayesian networks

In recent years, the Bayesian network approach has been used as a data-mining tool in many information fields, but it has rarely been used to process remote sensing data. In this paper, we introduce a Bayesian network classifier for remote sensing data change detection. Using the conditional independence (CI) test we can find out relationships among the attributes and construct a Bayesian network that incorporates these relationship constraints.After geometric correction and radiometric normalization, a Bayesian network change detection system based on CI test algorithm is developed and applied to two temporal Landsat TM data acquired in 1994 and 2003 of Beijing area, and the overall change detection classification accuracy can get 92%. The experimental results show that Bayesian network is a newly effective approach for remote sensing data change detection.     

基于互信息可信度的贝叶斯网络入侵检测研究

传统贝叶斯入侵检测算法没有考虑不同属性和属性权值对入侵检测结果的影响,因此分类准确率不够高.针对传统贝叶斯入侵检测算法存在的不足,提出基于互信息可信度的贝叶斯网络入侵检测算法.在综合考虑网络入侵检测数据特点和传统贝叶斯分类算法优点的基础上,用互信息相对可信度进行特征选择,删除一些冗余属性,把互信息相对可信度作为权值引进贝叶斯分类算法中,得到优化的贝叶斯网络入侵检测算法(MI-NB).实验结果表明,MI-NB算法能大大降低分类数据的维数,比传统贝叶斯入侵检测算法及改进算法有更高的分类准确率.     

基于领域本体的贝叶斯网络检索模型研究

针对传统的信息检索方法无法实现用户查询的语义理解、检索效率低等问题,本文提出基于领域本体进行查询扩展的贝叶斯网络检索模型。该模型首先将用户查询通过领域本体进行语义扩展,然后将扩展后的查询作为证据在贝叶斯网络检索模型中进行传播,进而得到查询结果,实验表明本文提出的贝叶斯网络检索模型能提高检索效率。     

High quality information extraction and query-oriented summarization for automatic query-reply in social network

In this paper, we propose a new method for automatic query-reply in social network. Information extraction and query-oriented summarization method are applied here to reply people’s query. There are few effective and commonly used methods on filtering the redundancy and noise of the raw data, which results in the poor quality of the reply. Due to the characteristics of social network messages, we pay more attention to reducing the noise and eliminating the redundancy of the messages to ensure the quality of the final reply. First, we propose an information extraction method to extract high quality information from social network messages, which is based on time-frequency transformation. Second, query-oriented text summarization is implemented to generate a brief and concise summary as the final reply, which is based on the scoring, ranking and selection of sentences of high quality social network messages produced by previous step. Experimental results show that the research is effective in filtering the redundancy and noise of social network messages, the final query-reply results outperform other commonly used methods’ results in both automatic evaluation and manual evaluation. Through our approach, noise and redundancy of social network messages are effectively filtered. Certainly, our method improves the quality of the reply for people’s query.     

基于CBR的贝叶斯网络构造

从数据中学习贝叶斯网络往往会因为搜索空间庞大而耗费大量的时间,所以在构造贝叶斯网络的时候,常依靠以前的经验和知识。该文将过去的贝叶斯网络决策模型保存到案例中,定义相似度和背离度两个衡量指标,在构造新模型时,用基于案例推理的方法检索最为接近的案例,从而进行模型的复用,有效地提高建模的效率。     

利用本体的视频语义概念检测

视频数据的不断丰富以及人们对视频检索的要求越来越复杂,使得视频语义信息建模和高层语义概念提取逐渐成为视频检索中的重要组成部分.本文提出一种基于本体的视频语义概念检测方法,利用贝叶斯网络构造视频中概念语义关系的检测本体,构建了视频中概念之间的层次关系,并能够通过推理完成复合语义概念的检测.该方法从语义信息学的角度对视频内容进行分析,在一定程度上削弱了语义鸿沟的影响,并且取得了较好的查询结果.     

融合多信息句子图模型的多文档摘要抽取

针对现有多文档抽取方法不能很好地利用句子主题信息和语义信息的问题,提出一种融合多信息句子图模型的多文档摘要抽取方法。首先,以句子为节点,构建句子图模型;然后,将基于句子的贝叶斯主题模型和词向量模型得到的句子主题概率分布和句子语义相似度相融合,得到句子最终的相关性,结合主题信息和语义信息作为句子图模型的边权重;最后,借助句子图最小支配集的摘要方法来描述多文档摘要。该方法通过融合多信息的句子图模型,将句子间的主题信息、语义信息和关系信息相结合。实验结果表明,该方法能够有效地改进抽取摘要的综合性能。     

基于D-S论据理论的网络安全态势预测方法研究

随着信息技术的不断进步,网络安全问题日益突出,网络安全态势便在此基础上产生并逐渐成为研究者研究的重点,D-S论据理论的网络安全态势预测方法是为了获取网络在未来一段时间内的安全态势状况,构建D-S论据理论的网络安全态势预测模型能够将原有的理论和当前网络安全态势相融合,从而进一步降低网络信息的风险性,从而提高网络的监控能力,给人们的生活提供信息安全保障。本文将主要研究基于D-S论据理论的网络安全态势预测方法。