贝叶斯网络在态势估计中的应用

战场态势分析是指挥决策的基础,如何进行合理的态势估计是当前战场指挥系统中最重要的组成部分。该文介绍了贝叶斯网络推理算法,分析了态势估计问题的本质特征和推理模式。提出了将贝叶斯网络用于态势估计,建立态势估计推理模型,该模型能够进行融合推理得到完整的战场态势信息,为决策提供依据。     

贝叶斯网在态势评估中的应用

作为一种知识推理和进行概率推理的框架,贝叶斯网络在具有内在不确定性和决策问题中得到了广泛的应用。因果推理是态势评估中的一个重要环节,用贝叶斯网找出态势假设和事件之间的潜在关系,正是态势评估所需完成的功能。根据态势与实践之间不同的连接关系建立了态势评估的贝叶斯网络模型,并分别介绍了相应的信息传播算法,最后一个实例来说明该网络的计算过程。     

基于贝叶斯网络的博弈融合态势评估方法

贝叶斯网络作为一种知识表示和进行概率推理的方法,在不确定性推理决策问题中得到了广泛的应用.针对态势评估系统需要对大量不确定性知识进行处理的情况,利用贝叶斯网络技术,结合博弈论的思想,提出了一种博弈融合态势评估的新算法,并以一个实例来说明该算法计算过程的可行性,指出了贝叶斯网络在实际应用中存在的问题.     

混合贝叶斯网络在电磁态势估计中的应用

根据电磁态势估计原理,建立含连续值结点和离散值结点的混合贝叶斯网络模型,对一级融合的输出数据进行二级处理,估计干扰前后单架飞机对单个保护目标的威胁的变化情况.首先确定混合贝叶斯网络的结构,然后通过生成服从Dirichlet分布的随机数获得离散值输入结点的先验概率,根据卡尔曼滤波的结果(状态估计向量、估计协方差)确定连续值输入结点的先验概率:在连续值结点均服从线性高斯分布的假设下,通过时非线性、不连续函数进行一阶泰勒级数展开确定中间结点和输出结点的条件概率分布.仿真实验表明,混合贝叶斯网络是解决电磁态势估计问题的一种有效方法,且威胁估计的精度高.     

用于态势评估中因果推理的贝叶斯网络

1 引言贝叶斯网络是由R.Howard和J.Matheson于1981年提出来的,它主要用来表述不确定的专家知识。后来经过J.Pearl,D.Heckerman等人的研究,贝叶斯网络的理论及算法有了很大的发展。作为一种知识表示和进行概率推理的框架,贝叶斯网络在具有内在不确定性的推理和决策问题中已经得到了广泛的应用,例如概率专家系统、计算机视觉和数据挖掘等。     

基于模糊规则和动态蚁群贝叶斯网络的无人作战飞机态势评估

为解决无人作战飞机复杂环境下的态势评估难题,阐述了蚁群优化和贝叶斯网络基本原理和数学模型,设计了一种基于模糊规则和动态蚁群贝叶斯网络的无人作战飞机态势评估方法.该方法通过蚁群贝叶斯网络把不完备数据转换成完备数据,从而大大简化了学习的复杂度, 并保证算法能够向好的结构不断进化.利用模糊逻辑改进动态蚁群贝叶斯网络算法,引入基于模糊语言和规则的专家经验,结合单值评估结果与概率向量,评价了不同时刻无人作战飞机的行为能力等级,能够提高态势评估方法的智能性并应用于工程实际.通过仿真实验验证了该方法在解决复杂作战环境下无人作战飞机态势评估问题时的可行性和有效性.     

动态贝叶斯网络在战术态势估计中的应用*

针对战术态势估计的特点和要求,分析和建立了应用于态势估计的动态贝叶斯网络模型。该模型以离散变量集为研究对象。由于该动态贝叶斯网络满足Markovian特性和平稳特性,降低了网络的复杂度。相比较于贝叶斯网络模型,该动态贝叶斯网络模型考虑了时序因素,将前时刻的态势因素作为当前时刻态势估计的证据的一部分,并能对下一时刻的态势进行预测。文中采用集树（junction tree）算法,利用相关的贝叶斯网络推理软件进行了实验,实验结果表明基于动态贝叶斯网络的估计结果较贝叶斯网络的估计结果好,验证了该模型的有效性。     

基于高斯云贝叶斯网络的空战态势评估

对空战态势评估中需要考虑的因素进行了分析,建立了基于高斯云贝叶斯网络的空战态势评估模型,并利用高斯云贝叶斯网络的推理方法进行了仿真计算。仿真结果表明,该方法可以给出敌机的态势评估值以及以概率的方式给出敌机对我机的态势等级,为空战态势评估提供了新的思路。     

基于变量分组贝叶斯网络的安全态势评估方法

针对网络安全威胁问题,将人工智能理论和相关技术与网络安全态势评估相融合,提出一种以细化变量进行分组的贝叶斯网络作为基础研究的网络安全态势评估方法。该算法可以有效减少变量数量,缩短产生贝叶斯网络的程序运行时间,并通过相关实验验证了有效地减少变量数量对最终的结果并没有产生过多影响。用本算法对大量网络实际运行数据进行测试,结果表明该方法能够很好地区分不同的网络安全威胁,从而能够有效评估网络安全态势。     

贝叶斯网络在战术态势估计中的应用

战场态势估计是指挥决策的基础,如何进行合理的态势估计是当前战场指挥系统中最重要的组成部分;作为一种知识表示和进行概率推理的框架,贝叶斯网络在具有内在不确定性的推理和决策问题中得到了广泛的应用;因果推理是态势估计中的一个重要环节,用贝叶斯网络找出态势假设和事件之间的潜在关系,正是态势估计所需完成的功能;根据态势与事件之间不同的连接关系建立态势估计的贝叶斯网络模型,介绍贝叶斯网络推理算法和步骤,并给出实例仿真;结果表明,将贝叶斯网络用于态势估计,能够进行推理得到完整的战场态势信息,为决策提供依据。     

基于分级多层黑板模型的态势估计系统结构研究

分析了态势估计问题的本质特征和推理求解模式 ;在提出态势觉察、态势理解及未来态势预测三级态势估计概念基础上 ,提出了实现态势估计的多级多层黑板模型 ;并讨论了其体系结构及实现方法。     

基于模糊逻辑和神经网络的电力负荷预测

设计并实现了神经网络和模糊逻辑相结合的综合预测模型进行短期电力负荷预测。由神经网络和模糊逻辑分别对基本负荷和受天气、节假日影响的负荷进行预测,使其在天气突变等情况下也能达到较高的预测精度。采用此模型对石家庄电力系统负荷进行预测分析,取得了令人满意的结果。     

一种新的网络安全态势评估模型研究

该文针对传统的网络安全评估模型不能动态感知网络安全态势等问题,提出了基于贝叶斯网络的网络安全态势评估模型。该态势评估模型根据功能分为3层结构:特征级、理解级、评估级。并将贝叶斯网络中的节点按照功能分为态势节点和事件节点,采用网络推理过程将网络及主机工具采集信息作为事件节点的证据用来更新态势节点概率,并反过来影响事件节点的概率,最终确定网络安全态势。     

基于双模糊逻辑的无线传感器网络分簇算法

为降低无线传感器网络的能量消耗,延长网络生命周期,提出基于双模糊逻辑的无线传感器网络分簇算法(DFCP)。模糊逻辑一综合了节点剩余能量和节点与基站距离2个参数,确保输出高能量低能耗的节点竞争簇头的优势;模糊逻辑二综合了节点度与簇内平均节点能耗值2个参数,确保输出以簇为单位的局部能耗最小。簇生成阶段,基于非概率模式的延时机制保证了簇簇之间的均匀分布。通过与其他算法(LEACH、ECPF)对比,仿真结果表明:DFCP能克服LEACH协议运行下的网络簇分布不均、低能量节点担任簇头等缺点,并降低网络能量消耗;当网络中节点能量不一致时,DFCP运行下的网络簇头位置分布、网络局部能耗均衡优于ECPF。     

模糊神经网络在商业规则数据挖掘中的应用*

利用模糊系统对规则提取的优势弥补了神经网络可解释性差的缺点,并使用模糊神经网络来进行商业规则数据挖掘。通过建立模糊神经网络对训练好的网络进行剪裁,最后提取模糊商业规则,说明了商业规则数据挖掘的全过程,并对其中重点算法进行了描述和改进。给出的实例证明了该方法的有效性。     

分布式集成信息系统中知识检索方法

支持产品设计的分布式集成信息系统中知识库是系统的核心,如何准确检索到所需知识对系统运行性能有重要影响.文章通过将人工神经网络、模糊理论和规则推理相结合提出了快速、有效的知识检索方法,并探讨了知识分层问题,以支撑件知识检索为对象开发了知识检索原型系统.文章旨在探讨一种合理、有效、快速的知识检索方法,为分布式集成信息系统的成功运行提供性能保障.     

Granular neural web agents for stock prediction

 A granular neural Web-based stock prediction agent is developed using the granular neural network (GNN) that can discover fuzzy rules. Stock data sets are downloaded from www.yahoo.com website. These data sets are inserted into the database tables using a java program. Then, the GNN is trained using sample data for any stock. After learning from the past stock data, the GNN is able to use discover fuzzy rules to make future predictions. After doing simulations with six different stocks (msft, orcl, dow, csco, ibm, km), it is conclusive that the granular neural stock prediction agent is giving less average errors with large amount of past training data and high average errors in case of fewer amounts of past training data. Java Servlets, Java Script and jdbc are used. SQL is used as the back-end database. The performance of the GNN algorithm is compared with the performance of the BP algorithm by training the same set of data and predicting the future stock values. The average error of the GNN is less than that of BP algorithm.     

模糊数据挖掘和遗传算法在入侵检测中的应用

论述了数据挖掘和遗传算法在入侵检测中的应用,详细描述了模糊关联规则和模糊频繁序列挖掘,并进一步介绍了如何采用遗传算法优化模糊集合隶属函数,从而达到改善入侵检测系统性能的目的。     

基于模糊粒子群算法的有向传感器网络路径覆盖策略*

建立有向传感器节点模糊感知模型,利用模糊数据融合规则减少网络不确定区域.对于有向传感器网络路径覆盖问题,提出基于模糊粒子群算法的有向传感器网络路径覆盖增强算法,将n维求解问题转化为一维求解问题,以提高单个传感器节点净覆盖域为目的,提高网络覆盖率.仿真结果表明,对于感知方向可连续调节的有向传感器网络节点,在随机部署情况下与现有算法对比,文中算法能有效提高有向传感器网络路径覆盖率,并且具有较快的收敛速度,延长网络生存期.