基于团树传播的证据网络推理算法

将团树传播算法应用于证据网络中,解决复杂的多连通知识网络结构下的信度推理问题.将复杂多连通网络构造成一棵团树,并将联合信度作为团节点的参数实现复杂多连通网络结构上的证据网络信度推理.在进行联合信度函数信息融合的过程中,通过引入两种新的交并运算实现对DSmT组合规则的改进,减少不确定性.最后通过实例验证了所提出方法的可行性.     

基于桶消元的联合树算法

一、引言联合树算法是一种应用广泛的信度网推理算法。根据不同的消息传递方案,可以将联合树算法分为两种:一种基于Hugin消息传递方案,称为Hugin联合树算法;另一种采用Shafer-Shenoy消息传递方案,称为Shafer-Shenoy联合树算法。下文除特别申明外,提到的联合树算法都是指Hugin联合树算法。     

基于均值场计算树的Ising图模型消息族传播算法

提出基于均值场计算树的Ising图模型消息族传播算法。首先定义Ising图模型均值场计算树和均值场剪枝计算树概念来描述Ising图模型均值场推理方法的迭代计算过程。然后基于均值场计算树设计Ising图模型消息族传播算法,指出沿着计算树自底向上逐层进行消息族传播,可计算根节点变量的边缘概率分布族。同时证明基于均值场剪枝计算树的消息族传播算法可计算出变量边缘概率分布的界,即此时的边缘概率分布族包括边缘概率分布精确值。最后通过数值实验验证消息族传播算法的有效性和边缘概率分布界的紧致性。     

动态贝叶斯网络的灵敏性分析研究

灵敏性分析是研究复杂系统特性的一种重要方法.现有动态灵敏性分析方法都是针对特定类型的动态贝叶斯网络且计算复杂度高.为了对一般动态贝叶斯网络的灵敏性进行有效分析,提出了一种基于联合树的动态灵敏性分析算法(DSA_JT),DSA_JT算法构建动态网络的联合树,通过消息传播建立参数与目标结点的条件概率分布在时间上的函数关系;DSA_JT将联合概率分布分解成局部概率因式形式,通过降低计算幂次提升计算效率,但计算复杂度仍然偏高.为了更有效地提高动态贝叶斯网络灵敏性分析的计算性能,在DSA_JT算法的框架上提出了DSA_BK算法,DSA_BK算法在灵敏性函数计算过程中,用子系统的概率乘积近似整个系统的联合概率,通过对接口结点局部性的边缘化操作更新模型的联合概率分布,进一步降低了计算幂次,并论证了DSA_BK算法误差的有界性.进而,通过对这两种算法过程的抽象,分别给出了动态灵敏度函数计算公式的证明,表明2种算法可以有效处理一般动态贝叶斯网络的灵敏性分析问题.最后,在上证股票网络上的实验结果显示这2种算法的有效性.     

基于全局消息传播的贝叶斯推理

在贝叶斯网络中，常常需要作不确定概率推理。然而针对一般复杂网络，精确推理算法由于计算复杂度太高而常常被摒弃。针对这一问题，本文提出了一种基于全局传播的PPJT近似推理算法。PPJT算法采用消息传播机制，通过消息的收集与分发过程，可以更新和修正连接树节点的团势并最终生成相容连接树。与另一种常用的近似推理算法即似然权重（Likelihood Weighting）算法的时间性能对比实验显示，采用消息传播机制的PPJT算法有效地降低了计算的时间复杂度；同时与似然权重算法的性能对比实验表明，在相对小规模观察样本输入条件下，PPJT算法能够保证更高的概率推理精度。PPJT算法为实现一般复杂网络中的概率推理提供了一种新的理论工具。     

信度网中条件概率表的学习

一、引言信度网B的学习包括结构B(?)的学习和条件概率表B_p的学习。因果马尔可夫条件原理表明:如果图形G是一个随机变量集合X的因果图,那么图形G也是该随机变量集合的联合概率分布所对应的信度网的结构图。根据这一原理,在实际应用中,可以利用领域     

多Agent动态影响图及其概率分布的近似方法

将多Agent影响图(MAIDs)在时间上进行扩展,提出一种决策模型:多Agent动态影响图(MADIDs),用于表示动态环境中多Agent协作的结构关系.为了有效计算MADIDs的概率分布,以Agents之间的策略偏序关系为指导,给出概率分布的一种分解近似方法,进而讨论概率分布在推理中的近似.对MADIDs概率分布计算的复杂性、误差以及误差在时间上的传播进行分析,进而基于KL差分,给出一个可对近似分布的精度和复杂性进行均衡的函数.最后,针对一个表示协作关系的MADID模型,进行实验和算法比较,实验结果显示该概率分布近似方法的有效性.     

一种支持数据流条件过滤的批处理策略

介绍了一种支持数据流务件过滤的批处理策略。该策略采用红黑树对查询建立索引,通过把查询条件分解为单独的布尔因子的方法,将每个布尔因子加到红黑树的相应节点上,其中相同的布尔因子加副红黑树的同一个节点上。在查询处理过程中,每处理一个索引节点,就将所有的布尔因子同时处理。因此,使用这种批处理策略能够实现高效查询。     

程序图形工具PRO树及其应用

为描述某一个程序的整体概念，图形是一种理想的工具。流程图和随后出现的多种程序图形工具都只适合过程式语言。我们在长期教学和科研工作中，总结提出了一种用于陈述式语言的图形工具，并且用TurboPROLOG语言的程序文件扩展名，简称之为PRO树。1PRO树的基本概念1．1PRO树的生成规则对一个PROLOG程序、按下述步骤画出的图形，称为该PROLOG程序的PRO树．（1）用符号＄表示程序求解的目标，做为PRO树的根。（2）与目标谓词同名的子句做为根的子节点，用符号＃表示。如孩子句与目标不匹配，可在＃旁画“x”；如匹配，则进行合一…     

基于小波域CHMT模型的超分辨率图像重建

从图像重建的Bayesian方法出发,提出一种基于小波域分类隐马尔可夫树(CHMT)模型的超分辨率图像重建算法.将CHMT模型作为自然图像小波域的先验知识,采用混合高斯模型刻画备子带系数的概率分布,将起分辨率图像重建问题转化为一个约束最优化问题,并采用共轭梯度算法进行求解.同时,提出了自适应的规整化参数选择方法.实验结果表明,该算法具有较低的计算复杂度,在峰值信噪比和视觉效果方面都有所提高.