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.     

基于证据理论的前景构建方法

为了解决现有成果只重视前景评价而忽视前景构建的问题, 运用专家投票技术提出方案结果可能集的推断方法. 结合相对比较判断和互补判断赋值的思想构建能够有效提取专家认知信息的概率推断矩阵, 并给出其向基本概率分配函数转换的定理. 在此基础上, 将每个专家视为独立证据源, 基于Dempster 组合规则和DSmP 概率转换方法提出前景构建的具体步骤, 并通过应用案例模拟分析演示了所提出方法的操作过程.

     

复杂网络健壮社团挖掘算法

提出了一种基于贝叶斯网络的健壮社团挖掘算法,通过对每个普通社团分别构建贝叶斯网络,并根据条件概率表和证据信息进行推理,得到贝叶斯网络中每个节点隶属于健壮社团的后验概率以提取健壮社团。实验结果证明了该方法对健壮社团发现的有效性。     

基于评分函数的贝叶斯网络结构融合算法

利用贝叶斯网络进行因果关系推理已广泛应用于人工智能领域。基于约束方法从观测数据中构建贝叶斯网络通常得到的是其马尔科夫等价类，因存在无向边而无法进行有效的因果推断。为此，基于贝叶斯网络评分函数，并结合集成学习提出了一种模型融合算法，通过对不同的网络结构加权融合，以减少网络中无向边的个数，进而提高其可推断性。实验结果表明，不仅显著减少了无向边条数，也提高了最终网络结构的学习效果，验证了算法的有效性。     

主观证据交互式提取及融合方法

为解决现有研究并未考虑客观证据源因受外界干扰而无法获取有效证据信息的问题,基于动态知识矩阵构建了能够从决策专家知识、经验、直觉中逐步获得主观证据信息的提取方法,并给出了由动态知识矩阵向基本概率分配函数转化的推断定理,在此基础上,通过设置冲突因子阈值构造了能够平衡推断成本与推断效果之间矛盾关系的主观证据交互式融合方法.数值模拟结果表明了所提出方法的有效性和可行性.     

基于贝叶斯网络的电力变压器局部放电故障检测

针对传统电力变压器故障检测方法对电力系统中潜藏的故障问题检测水平不足,准确率较低,无法及时准确的发现异常隐患等问题,本文提出了一种基于贝叶斯网络的变压器局部放电故障检测方法,首先通过传感器获取电力变压器不同状态下运行过程中的参数数据,对局部放电故障发生的概率和范围进行合理性评估,提取评估概率数据综合为样本数据集,构建贝叶斯网络故障树;根据逻辑规则转化为贝叶斯网络,推演计算故障节点之间的算例关系,利用贝叶斯原理抽取故障特征指标与异常概率之间的关联关系,利用模糊描述方法构建故障特征关联函数,计算可得故障特征模糊函数动态变化关系,实现对变压器故障发生的概率与位置信息的判断与确定。通过实验结果可以证明,通过贝叶斯网络对电力变压器局部放电故障检测的准确率均达到了85%以上,最高可达96%,说明该方法具有较高的检测准确率,能够有效提高电力变压器放电故障检测的有效性。     

柔性推断下的改进DS/AHP方法

为了解决现有关于证据理论与层次分析的交叉决策方法(DS/AHP) 因信息推断方式缺乏柔性而容易造成决策信息提取结果有效性差的问题, 分析了传统方法的建模步骤和存在的缺陷, 并基于部分与整体、部分与部分、整体与部分3 类相对推断方式提出能够容纳多种推断信息的柔性知识矩阵. 在此基础上, 结合最优化原理构建可以从柔性知识矩阵中有效识别出最优基本概率分配函数的理论模型、计算模型和两个模型之间的等价定理. 最后通过数值对比分析验证了所提出方法的科学有效性.

     

基于贝叶斯网络约简的铁路应急决策方法

为了解决决策属性的冗余问题,降低决策推理过程的复杂性,实现在信息不完备情况下铁路应急决策的智能化,基于粗糙集理论与贝叶斯网络提出一种新的铁路应急决策方法。利用基于信息熵的粗糙集知识约简方法提取最小决策信息集,实现对应急态势信息集的约简,从而减少态势网络节点数目,降低贝叶斯网络的复杂性。基于约简后的贝叶斯网络模型实现了铁路应急态势预测的概率决策推理。案例分析表明该方法能够满足铁路应急决策需求以及在信息不完备条件下的有效性。     

基于模糊贝叶斯网络的叉装车制动系统故障诊断研究

为解决因缺乏实际数据而无法准确计算叉装车制动系统部件的故障概率问题,提出一种结合模糊集理论和贝叶斯网络的模糊贝叶斯网络故障诊断方法。该方法利用模糊数表达故障发生的可能性,将专家给出的节点故障概率主观语言评判值转换为模糊数,经过解模糊后得到精确值,再利用贝叶斯网络推理进行故障的诊断,提高了贝叶斯网络对模糊信息和不确定信息的处理能力。通过Ge NIe软件对所建立的叉装车制动系统故障诊断模型仿真分析,验证了该方法的有效性。     

基于贝叶斯推断的复杂系统可靠性分析

随着武器装备系统日益复杂,成本越来越高,大量的全面系统测试逐渐变得不可行,很难得到大量的可靠性信息,可靠性的统计分析与评估面临着挑战。提出一种基于贝叶斯推断的复杂系统可靠性分析方法,介绍贝叶斯推断以及基于贝叶斯推断的复杂可靠性分析步骤。利用事件树图对复杂系统结构进行建模,归纳可用的数据类型,对组件随机模型和先验分布进行描述。利用马尔科夫蒙特卡洛方法对模型进行求解;构建计算示例验证方法的可行性与有效性。该方法适用于不同的建模粒度,可以灵活地融合专家知识、全系统测试数据、子系统和组件级数据,一致性地估计系统、子系统和组件的可靠性参数。