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。     

一种基于二叉树结构的入侵检测研究*

提出以二叉树结构取代原有入侵检测系统采用的链表结构,旨在改进入侵规则的存储和模式匹配,提高检测速度。对Snort规则结构作了简要分析,详细阐述了以规则聚类思想构建二叉树结构的过程;同时,采用C4.5算法为二叉树每个规则集节点动态选择最显著的特征,并进行并行测试,实现性能优化。为了尽可能减少冗余比较和无效匹配,引入数字型的IntMatch串匹配算法,有效地提高了模式匹配速度和规则的访问速度。     

基于球结构的完全二叉树SVM多类分类算法*

针对一般的SVM方法不能有效地处理不平衡样本数据及现有的偏二叉树结构SVM分类器速度慢的这两个问题,提出了一种基于球结构的完全二叉树SVM多分类算法。该算法利用球结构的SVM考虑了每个类的分布情况,能有效地处理不平衡样本数据;构建完全二叉树结构,使得同层节点所代表的SVM分类器可以并行工作,能提高其训练和分类速度,分类速度相当于折半查找。实例验证两者结合后的算法可实现准确且高效的多类分类。     

基于节点块序列约束的局部贝叶斯网络结构搜索算法

针对K2算法过度依赖节点序和节点序搜索算法评价节点序效率较低的问题, 提出一种基于节点块序列约束的局部贝叶斯网络结构搜索算法, 该算法首先通过评分定向构建定向支撑树结构, 在此基础上构建节点块序列, 然后利用节点块序列确定每个节点的潜在父节点集, 通过搜索每个节点的父节点集构建网络结构, 最后对该结构进行非法结构修正得到最优贝叶斯网络结构.利用标准网络将算法与几种不同类型的改进算法进行对比分析, 验证该算法的有效性.     

面向PMVS算法的自动两级并行翻译方法

当使用高分辨率的图像作为图像处理算法的输入时会降低算法运行速度,将算法并行化可提升执行效率,但手动将串行程序转换为并行程序则较为繁琐,并且现有自动并行翻译工具性能不稳定,同时翻译后的程序是单一并行模式。面向基于面片的三维多视角立体视觉（PMVS）算法,提出一种从C到CUDA的自动两级并行翻译方法。使用ANTLR自动解析源C代码,通过分析数据依赖关系和循环数组私有化来识别可并行化的循环结构,将算法翻译成CPU多线程和GPU两级并行结构的代码。在算法执行过程中,将输入图像在CPU和GPU上分别进行处理,降低了算法总执行时间。实验结果表明,该方法的计算加速比随着输入图像分辨率的增加逐渐提高,最高约达到32,相比于PPCG和OpenACC自动并行翻译方法提升明显。     

一种快速构建CAN网络拓扑算法

受二叉树思想的启发,在P2P网络拓扑管理协议T-Man和Kademlia网络快速构建算法的基础上,提出了从非结构化P2P网络快速构建CAN网络的算法。Kademlia网络为二叉树拓扑结构,CAN网络基于空间划分,由于已经提出了Kademlia网络快速构建算法,通过把CAN的空间划分方式强制定义为树图的空间划分方式,研究问题转换为由Kademlia网络的二叉树结构向CAN网络的树图结构转换及构建相应路由表的问题。实验表明,该算法能在对数的时间内构建出CAN网络。     

贝叶斯网络预测平台的设计与开发

针对在实际应用中,需要根据不同的对象建立不同的贝叶斯网络来解决预测问题,设计并开发了贝叶斯网络预测平台,介绍了平台的结构和功能,重点介绍了平台实现时网络的数字化和网络拓扑结构的问题.利用数字形式描述网络的全部信息,用关系矩阵直观的描述节点间的依赖关系,并据此确定网络的拓扑结构,利用基于随机数的仿真算法对网络进行推理.该平台简单易用,为贝叶斯网络的建立和推理提供了一个通用的运行环境.     

基于直径为2的摩尔图网络的并行矩阵乘算法

提出了一个并行矩阵乘算法IPBPMM(Interconnected Processor-Based Parallel Matrix Multiplication).该算法运行在以五角形、Petersen图和Hoffman-Singleton图等直径为2的摩尔图(满足n=d2+1,n为节点数,d为度)为拓扑结构的由n个独立处理器构成的机群并行计算环境中.与基于二维环绕网孔阵列拓扑结构的Cannon和Fox等并行矩阵乘法算法相比较,IPBPMM算法通信开销较小,加速比更高,同时还具有矩阵分块可随机分布在各个节点中,无需事先按一定规律装入各节点中的特点.同时IPBPMM算法也能很好地扩充到由多个直径为2的摩尔图为拓扑结构组合构成的并行计算环境中,且随着网络的扩大,算法的并行加速比更高.     

P2P环境下面向应用的查询服务模型

影响DHT结构的P2P网络性能的因素主要包括关键字的查询效率和维护网络稳定的代价。从分析查询效率和节点规模的关系入手,提出面向应用查询服务（AOLS）,节点之间的逻辑关系采用二叉树结构,给出网络自组织逻辑关系算法和消息路由算法。实验表明,AOLS模型在查询效率和维护网络稳定代价2个方面都有较好的性能。     

基于L1正则化的贝叶斯网络分类器

目前基于节点排序的贝叶斯网络分类器忽略了节点序列中已选变量和类标签之间的信息,导致分类器的准确率很难进一步提高。针对这个问题,提出了一种简单高效的贝叶斯网络分类器的学习算法:L1正则化的贝叶斯网络分类器(L1-BNC)。通过调整Lasso方法中的约束值,充分利用回归残差的信息,结合点序列中已选变量和类标签的信息,形成一条优秀的有序变量拓扑序列(L1正则化路径);基于该序列,利用K2算法生成优良的贝叶斯网络分类器。实验表明,L1-BNC在分类精度上优于已有的贝叶斯网络分类器。L1-BNC也与SVM,KNN和J48分类算法进行了比较,在大部分数据集上,L1-BNC优于这些算法。     

Maximal prime subgraph decomposition of Bayesian networks

The authors present a method for decomposition of Bayesian networks into their maximal prime subgraphs. The correctness of the method is proven and results relating the maximal prime subgraph decomposition (MPD) to the maximal complete subgraphs of the moral graph of the original Bayesian network are presented. The maximal prime subgraphs of a Bayesian network can be organized as a tree which can be used as the computational structure for LAZY propagation. We also identify a number of tasks performed on Bayesian networks that can benefit from MPD. These tasks are: divide and conquer triangulation, hybrid propagation algorithms combining exact and approximative inference techniques, and incremental construction of junction trees. We compare the proposed algorithm with standard algorithms for decomposition of undirected graphs into their maximal prime subgraphs. The discussion shows that the proposed algorithm is simpler, more easy to comprehend, and it has the same complexity as the standard algorithms.     

Mobile context inference using two-layered Bayesian networks for smartphones

Recently, mobile context inference becomes an important issue. Bayesian probabilistic model is one of the most popular probabilistic approaches for context inference. It efficiently represents and exploits the conditional independence of propositions. However, there are some limitations for probabilistic context inference in mobile devices. Mobile devices relatively lacks of sufficient memory. In this paper, we present a novel method for efficient Bayesian inference on a mobile phone. In order to overcome the constraints of the mobile environment, the method uses two-layered Bayesian networks with tree structure. In contrast to the conventional techniques, this method attempts to use probabilistic models with fixed tree structures and intermediate nodes. It can reduce the inference time by eliminating junction tree creation. To evaluate the performance of this method, an experiment is conducted with data collected over a month. The result shows the efficiency and effectiveness of the proposed method.     

一种应用于故障诊断中的高效推理算法

针对经典联合树推理算法的信息传播共享和推理时间等问题, 提出一种高效联合树推理算法. 该算法基于获得的证据信息和查询节点对原始的网络结构化简, 然后在化简后的网络结构上进行联合树推理. 在信息传递过程中, 该算法可以实现不同证据下的信息共享. 经仿真验证, 高效联合树算法能够在保证准确率的同时, 以更短的时间作出诊断推理. 基于现场收集的数据, 建立水泥回转窑故障诊断系统模型并应用改进的算法实现了精准且快的故障诊断.

     

具有丢失数据的贝叶斯网络结构学习研究

目前主要基于EM算法和打分-搜索方法进行具有丢失数据的贝叶斯网络结构学习,算法效率较低,而且易于陷入局部最优结构.针对这些问题,建立了一种新的具有丢失数据的贝叶斯网络结构学习方法.首先随机初始化未观察到的数据,得到完整的数据集,并利用完整数据集建立最大似然树作为初始贝叶斯网络结构,然后进行迭代学习.在每一次迭代中,结合贝叶斯网络结构和Gibbs sampling修正未观察到的数据,在新的完整数据集的基础上,基于变量之间的基本依赖关系和依赖分析思想调整贝叶斯网络结构,直到结构趋于稳定.该方法既解决了标准Gi     

Adaptive-tree-structure-based fuzzy inference system

A new fuzzy inference system named adaptive-tree-structure-based fuzzy inference system (ATSFIS) is proposed, which is abbreviated as fuzzy tree (FT). The fuzzy partition of input data set and the membership function of every subset are obtained by means of the fuzzy binary tree structure based algorithm. Two structures of FT, FT-I, and FT-II, are presented. The characteristics of FT are: 1) The parameters of antecedent and consequent for a Takagi-Sugeno fuzzy model are learned simultaneously; and 2) The fuzzy partition of input data set is adaptive to the pattern of data distribution to optimize the number of the subsets automatically. The main advantage of FT is more suitable to solve the problems, for which the number of input dimension is large, since by using the fuzzy binary tree, every farther set will be partitioned into only two subsets no matter how large the input dimension is. Therefore, in some sense the "rule explosion" will be avoided possibly. In comparison with some existing fuzzy inference systems, it is shown that the FT is also of less computation and high accuracy. The advantages of FT are illustrated by simulation results.     

Hierarchical wavelet packet fuzzy inference system for pattern classification and system identification

This study presents a hierarchical Takagi–Sugeno–Kang type fuzzy system called hierarchical wavelet packet fuzzy inference system. In the proposed method, wavelet packet transform is applied on the input data to produce approximation and detail sub-bands of the input data and the output is used as the input vector of the proposed network. This network uses a hierarchical structure same as wavelet packet decomposition tree, in which adaptive network-based fuzzy inference system is used as sub-model. Also, gradient descent algorithm is chosen for training the parameters of antecedent and conclusion parts of the sub-models. In order to evaluate the capability of the proposed method, its applications in pattern classification, system identification and time-series prediction have been studied. The results show that the proposed method performs better than the other conventional models.     

一种基于贝叶斯网络的作战重心评估模型

作战重心（Center of Gravity）是指战役体系中敌我双方的关键环节。作战重心评估是一个经验性、模糊性的过程。贝叶斯网络作为一种不确定知识表示模型,具有概率论及图论基础,对于解决复杂系统决策问题具有较强的优势,适合用于作战重心评估。文中提出并实现了一种基于贝叶斯网络推理的作战重心评估模型。通过该模型,可以定量地评估各个环节对于证据的重要程度,从而确定该作战过程中的作战重心。文中使用联合树（Clique Tree）算法进行贝叶斯网络精确推理,并详细阐述了推理过程中联合树建立,消息传递的过程。最后通过实例验证,基于贝叶斯网络推理的模型能够有效地对作战重心进行定量的评估。     

基于扩展前缀树的协议格式推断方法

对未知网络协议进行协议格式推断在网络安全领域具有重要意义。现有的协议格式推断方法存在时间复杂度高、精确度较低等问题。提出了一种基于扩展前缀树协议格式推断方法。该方法首先通过N-gram分词获取候选协议关键词,使用互信息进行合并得到不同长度的协议关键词。在此基础上,依据与报文相对应的关键词序列构建扩展前缀树,实现对报文样本的初步聚类。而后,在扩展前缀树的基础上采用分段的多序列比对方法获取精确的协议格式。实验结果表明,该协议格式推断方法对于文本协议和二进制协议都能够取得理想的推断效果。     

智能流场特征抽取与多分辨率可视化

分析了流场特征,提出一种基于BP神经网络的可选择智能流场特征提取方法,由用户选择关注特征区域并将该区域作为输入样本进行训练,利用训练后的神经网络对新数据进行识别预处理,抽取出用户关注的特征区域;提出一种基于“鱼眼视图”技术的多分辨率流场特征绘制方法,将原始数据场采用层次细节二叉树表示,以减少绘制数据量．基于上述方法,设计并实现了一个原型系统,对用户关注区域进行详细信息显示,同时保持了整个数据场的概貌,实现了具有良好交互性的可选择流场特征可视化．