基于粒子群优化建模的贝叶斯网络结构学习方法

贝叶斯网络(BN)在不确定性的条件下表示信息和推理论证具有良好的性能,但由于其结构搜索空间的复杂性,通常将从一个数据集合中学习贝叶斯网络的结构认为是一种NP-hard的问题。基于此,提出一种新的基于粒子群优化算法建模的贝叶斯网络结构学习方法。为了学习一个贝叶斯网络的结构,该方法先使用粒子群优化算法在排序空间中进行搜索,然后运行K2算法计算每个排序的吻合度。每个排序都会有一个网络结构与之一致,该方法会返回这个网络的计分。仿真结果表明,在不同规模的数据集中,该算法相对于其他贝叶斯网络结构学习算法对不同类型的网络都具有更好的网络稳定性。     

含传递角色和存在限制描述逻辑系统的匹配推理

分析了描述逻辑非标准推理的重要性和匹配推理的研究现状以及存在的问题。针对匹配推理在处理带传递属性角色符号的不足,研究含传递角色符号和存在量词描述逻辑系统EL+中的匹配推理。通过引入前向边给出EL+中概念的描述图和描述树,基于描述图和描述树给出EL+中两类匹配问题的匹配算法。说明算法的可靠性,并分析算法的复杂性。     

样本-属性加权的朴素贝叶斯改进算法

朴素贝叶斯算法是一种简单、高效且有着广泛应用的分类方法,但在现实中,条件独立性假设影响了其分类性能。为克服该问题,给出一种改进算法——样本-属性加权的朴素贝叶斯算法。首先,对属性计算相关系数得到属性权值;其次,利用属性权结合信息熵获得样本熵权,并据此加权样本以提高泛化能力;然后,给出了样本-属性加权的朴素贝叶斯算法;最后,在UCI数据集上的实验结果验证了改进算法比原算法具有更好的分类性能。     

贝叶斯决策树在客户流失预测中的应用

针对电信企业客户流失问题,提出采用贝叶斯决策树算法的预测模型,将贝叶斯分类的先验信息方法与决策树分类的信息熵增益方法相结合,应用到电信行业客户流失分析中,分别将移动公司的客户数据以及UCI数据纳入到模型中得出相应的结果。加入贝叶斯节点弥补决策树不能处理缺失值以及二义性数据的缺点。检验结果表明,基于贝叶斯推理的决策树算法在牺牲了较小的训练时间与分类时间的情况下,得到了比仅基于决策树算法更高的覆盖率与命中率。     

基于贝叶斯网络的移动支付风险评估模型

随着信息技术和网络的迅猛发展,支付业务、技术及工具不断创新,移动支付的发展在逐渐加快。移动支付给人们生活带来方便和快捷的同时,也存在着较高的潜在风险,容易遭受非法入侵和恶意攻击。就移动支付风险的分析及风险值的计算理论方面开展工作,在贝叶斯网络的基础上,针对移动支付的主要组成主体,提出移动支付风险评估模型,通过使用该模型进行移动支付风险评估不仅可以对目前移动支付的风险进行评估,还可以根据风险评估结果引导风险控制,对比风险控制前后的风险值判断风险控制的效果,通过案例分析,提出的移动支付风险评估模型可以很好地完成移动支付的风险评估要求。     

Inductive Model Generation for Text Classification Using a Bipartite Heterogeneous Network

Algorithms for numeric data classification have been applied for text classification. Usually the vector space model is used to represent text collections. The characteristics of this representation such as sparsity and high dimensionality sometimes impair the quality of general-purpose classifiers. Networks can be used to represent text collections, avoiding the high sparsity and allowing to model relationships among different objects that compose a text collection. Such network- based representations can improve the quality of the classification results. One of the simplest ways to represent textual collections by a network is through a bipartite heterogeneous network, which is composed of objects that represent the documents connected to objects that represent the terms. Heterogeneous bipartite networks do not require computation of similarities or relations among the objects and can be used to model any type of text collection. Due to the advantages of representing text collections through bipartite heterogeneous networks, in this article we present a text classifier which builds a classification model using the structure of a bipartite heterogeneous network. Such an algorithm, referred to as IMBHN （Inductive Model Based on Bipartite Heterogeneous Network）, induces a classification model assigning weights to objects that represent the terms for each class of the text collection. An empirical evaluation using a large amount of text collections from different domains shows that the proposed IMBHN algorithm produces significantly better results than k-NN, C4.5, SVM, and Naive Bayes algorithms.     

基于需求更新的救灾品配送公平与效率协调模型

鉴于需求准确度与救灾品配送效率之间的悖反关系,研究了基于需求更新的救灾品配送效率与公平问题.通过对某市民政局进行调研,了解到台风灾害发生时的需求变化规律,设计一种通过已知需求灾区对未知需求灾区的需求进行贝叶斯更新的需求更新方式,由此建立救灾品配送模型.将该模型应用于某台风救灾实例,通过实例分析表明了该模型的求解速率与精度,并找到了最优"决策点",实现了救灾品配送公平与效率的平衡.     

CBR技术在程序设计课程案例知识系统的应用

阐述了案例知识管理系统的教学意义,并介绍了CBR的工作机制,然后针对程序设计课程的特点,提出了将CBR技术应用于程序设计课程的案例知识管理系统,同时给出了基于CBR技术的知识管理系统的关键技术和实现方案。     

一种优化的贝叶斯估计多传感器数据融合方法

由于来自多个传感器的测量数据总是有一定程度的不确定性和不一致性,采用多传感器数据融合算法将多个节点的测量数据进行数据融合,利用数据的冗余度来减小这种不确定性,得到高可靠性的数据信息。提出了一种优化的贝叶斯估计多传感器数据融合方法,将贝叶斯估计和卡尔曼滤波器结合起来,应用于无线传感网络数据融合中。根据滤波器应用到传感数据、融合数据或者两者的方式,提出3种不同的技术,即:前向滤波法、后向滤波法和前后向滤波法。通过一个实例研究估计移动机器人的位置,验证算法的有效性。实验表明,在集中式和分布式两个方面数据融合体系结构,结合卡尔曼滤波器的贝叶斯融合算法能够有效地解决数据的不确定性和不一致性。     

基于分层模型的组合服务故障定位算法

在面向服务的架构中,服务之间的依赖关系具有单向性的特点。基于这种单向性依赖,提出了服务故障传播的分层模型并设计了服务的分层算法,将服务节点分层。根据分层模型设计了服务故障定位的监测探针和诊断部署,减少了监测探针的数目。在探针探测结果的基础上,提出了分层模型下基于贝叶斯网络的故障定位算法,该算法通过计算故障发生时服务的影响因子和可信度,快速定位故障。仿真结果验证了该算法可以较准确地定位组合服务中的故障,且保持较低的误报率。