基于贝叶斯模型的网络风险动态评估方法

运用贝叶斯理论及方法,建立了网络系统风险的动态评估模型。该评估模型不仅可以评估网络的总体风险,还可以分别评估各个局部要素可能引起风险的程度。最后的示例表明:本模型可以有效地实现对实际网络风险问题全面评估。     

态势评估中的贝叶斯网络模型研究

针对战场态势评估的特点,采用模块化的贝叶斯网络模型对态势问题进行描述,动态构建贝叶斯网络结构．为了解决动态构建贝叶斯网络的推理问题,提出一种新的解决方法,将待连接贝叶斯网络模块的推理结果作为软证据,输入到已有网络对应的节点中,以代替所要连接的贝叶斯网络模块,在不改变贝叶斯网络结构的情况下完成网络的推理过程．仿真实验结果表明该方法是有效的．     

回归模型中基于机器学习的流量预测算法

在基于机器学习的流量预测算法中,详细研究了基于回归模型的预测算法,将机器学习算法引入到网络流量预测中,提出了不同的弱回归算予用来描述网络流量中的非线性特性。针对网络流量中的自相似特性,提出两种不同的机制,即用主成分分析作为预处理和为每一维特征保留一组权重分布;同时,针对实验中发现的过匹配现象提出一种自适应的权重更新准则。     

贝叶斯网络在模型诊断中的应用

把贝叶斯网络引入到模型诊断框架中,依据观测量,研究了一种建立系统贝叶斯网络观测模型的方法。利用网络观测模型,可计算系统诊断解的后验概率,从而找出系统最可能的故障组件。最后,以卫星两轴姿态控制系统为例,应用本文方法进行了分析。     

地下建筑火灾风险的贝叶斯网络评估系统设计

针对地下建筑火灾过程中存在的不确定性因素会影响到火灾风险定量评估准确性的问题,提出了基于贝叶斯网络的风险评估方法:首先,根据地下建筑火灾场景的理想假设建立贝叶斯网络模型;然后,考虑不确定因素的影响对模型进行修正,利用经修正的模型计算火灾发展到不同阶段的概率,进而评估火灾风险;最后,提出了利用Visual Basic+ Matlab混合编程的方法开发基于贝叶斯网络的火灾风险评估系统,降低对评估人员专业知识的要求,便于方法的推广应用.     

基于MCMC算法贝叶斯网络的学习

对于给定的阈值,通过计算变量之间的互信息,设计了一种构造贝叶斯网络结构的方法。改进了关于图模结构学习中常见的 MCMC 算法。将这种方法构造的贝叶斯网络作为马尔可夫链初始状态的网络结构,利用改进后的 MCMC 算法,构造一个关于贝叶斯网络结构的马尔可夫链。迭代给定次数后,得到关于变量组的贝叶斯网络结构。实验结果表明:改进前和改进后的两种方法得到的贝叶斯网络结构基本一致,网络结构的接受率也相近。     

对带有有序分类变量的统计模型的贝叶斯分析

针对带有有序分类变量的非线性再生散度因子分析模型建立起了一套贝叶斯方法,在计算过程中,采用了结合Gibbs抽样和M—H算法的混合MCMC算法来产生阀值,结构参数和潜在变量的联合贝叶斯估计,此外,还建立起了评估模型合理性的拟合优度统计量,贝叶斯方法的具体应用通过数据模拟加以说明．     

基于贝叶斯算法的垃圾邮件过滤技术

对基于朴素贝叶斯算法的垃圾邮件过滤技术进行了研究分析和实验验证．介绍了向量空间模型（VSM）方法以及特征向量抽取方法,推导和研究了引入“特征之间互相独立”假设的朴素贝叶斯分类算法．采用K次交叉验证的方法,以收集的一些邮件为语料,应用朴素贝叶斯分类算法,通过训练集计算得到类别的先验概率和特征项的类条件概率,并以此为基础对测试集中的邮件进行归属判断,以正确率和召回率为指标给出了实验结果．     

基于朴素贝叶斯模型的邮件过滤技术

针对朴素贝叶斯算法应用于反垃圾邮件过滤时,其有效性十分依赖于对邮件内容的有效建模,而邮件内容建模方面研究尚不成熟限制了贝叶斯方法在垃圾邮件过滤中的性能.采用了三种概率分布对邮件内容进行建模,据此提出了3种概率分布下的朴素贝叶斯算法.为了提高训练效率,算法采用了一种增量式的垃圾邮件过滤方法.在trec05p-1、trec06p两个公开数据集上对这3种贝叶斯算法进行了实验对比,分析出三种贝叶斯分布的适用范围.从不同分布的邮件内容建模角度出发,为过滤垃圾邮件的方法选择提供了有效依据.     

基于灰色模糊贝叶斯网络的隧道坍塌风险评估方法

为了准确评估隧道施工期间的坍塌风险,采取及时有效的控制措施,针对公路隧道施工的复杂性和风险状态的模糊不确定性,提出一种灰色模糊贝叶斯网络的隧道坍塌风险评估方法。该方法将灰色系统理论引入风险状态分析中,用包含区间灰数的梯形模糊隶属函数表征节点风险状态,用区间灰数描述风险因素与坍塌风险之间逻辑关系的不确定性。构建隧道坍塌风险特征参量规划模型,采用全局优化算法计算特征参量的最终取值范围。基于区间灰数运算规则和贝叶斯网络推理,计算出风险因素或风险事件处于不同状态的概率和节点重要度,提升了贝叶斯网络解决不确定问题的能力。工程实例应用结果表明,该方法能够准确评估隧道坍塌的可能性,可作为隧道施工安全风险分析的决策工具。     

基于机器学习的纳滤膜预测筛选模型构建与评估

纳滤净水技术是应对水资源危机和水质安全保障的核心技术之一。然而,纳滤膜性能长期受渗透性与选择性制约,亟需开发高性能纳滤膜。纳滤膜制备过程涉及水相单体质量分数、水相添加剂质量分数、油相单体质量分数、聚合时间等因素,传统的试误实验法需消耗大量的人力、物力与财力。依据纳滤膜制备参数,构建基于机器学习的纳滤膜预测筛选模型。结果表明,XGBoost机器学习模型可有效预测纳滤膜纯水通量与截留性能,对纯水通量和截留性能的R²评价指标分别为0.84和0.90。采用SHAP值法对XGBoost机器学习模型中的输入参数进行量化分析,发现水相单体质量分数与基膜类型对纯水通量有最高的绝对平均SHAP值,分别为2.77与2.59,而面向纳滤膜截留性能的关键参数绝对平均SHAP值相对接近。单体子结构特征分析结果显示,亲水性子结构特征与支链型子结构特征有助于提升纳滤膜纯水通量,胺基则促进纳滤膜的截留性能。构建的纳滤膜预测筛选模型有助于关键参数的识别与优化,为纳滤膜的开发提供理论与技术指导。     

基于贝叶斯网络的自适应学生模型的研究

首先介绍了贝叶斯网络的基础理论,贝叶斯网络是目前不确定知识表达和推理领域最有效的理论模型之一。适用于不确定性和概率性的知识表达和推理。接着介绍了自适应学生模型的概念和理论,然后运用贝叶斯网络构建了一个自适应性学生模型,并对贝叶斯网络学生模型的知识表达方法进行了研究,最后举例说明这个理论的可行性。基于贝叶斯网络构建的适应性学生模型能够有效地提供适应性的网络教学资源,从而有助于实现网络教学平台的适应性学习。     

双重部分函数型回归模型的贝叶斯估计

经典的函数型回归模型一般假设模型误差具有等方差性,而在经济学、社会科学等领域会经常遇到数据具有异方差的情形.因此,针对异方差函数型数据,基于方差建模的思想提出了双重部分函数型回归模型,其中方差参数也用函数型协变量进行建模.另外,运用Karhunen-Loève表示定理来逼近函数型系数的思想,以及应用Gibbs抽样和Metropolis-Hastings算法相结合的混合MCMC算法来同时获得均值模型和方差模型中未知参数和函数型系数的贝叶斯估计.最后,通过模拟研究和实际数据分析表明所提出的贝叶斯估计方法是可行有效的.     

带有不可忽略缺失数据的联合均值与方差模型的贝叶斯估计

对响应变量带有不可忽略缺失数据的联合均值与方差模型的贝叶斯估计问题进行了研究.缺失数据机制通过logistic回归模型来指定,模型参数和缺失数据机制参数的联合贝叶斯估计通过运用MH算法及Gibbs抽样获得,并用数值计算阐明上述方法的可行性.     

基于贝叶斯网络的多目标优化算法

针对多目标进化算法中存在的无效进化和计算浪费,本文探讨了基于贝叶斯网络的多目标进化算法,并提出一个新的贝叶斯多目标优化算法。该算法结合个体的强度值和密度值完成非劣择优,利用具有局部结构BD度量机制进行网络度量,采用树形模型构建网络结构。实验结果表明了该算法的有效性。     

基于改进MS-EM算法的贝叶斯网络学习法构建基因调控网络

基因调控网络的重构是功能基因组中最具挑战性的课题之一.实验证明构建基因调控网络的最有前途的方法是贝叶斯网络.EM算法是一种有效的利用数据来学习贝叶斯网络的方法,能较好地处理构建基因调控网络中的数据缺失情况,但存在学习精度低、对初始参数值依赖的缺点.本文应用贝叶斯网络实现啤酒酵母细胞基因调控网络的构建,用改进的MS-EM算法进行学习,并实现实验结果的可视化.与现有文献比较,结果表明改进后的算法进一步降低了时间性能,提高了构建调控网络的精度.     

基于离散优化算法和机器学习的传感云入侵检测

针对传感云的大规模高维度数据和多变性入侵行为,在雾计算模式下提出了一种基于并行离散优化特征提取和机器学习方法特性的传感云入侵检测算法。首先,为有效降低数据维度和提高特征提取过程的鲁棒性,在定义最优特征评价指标的基础上构建并行离散优化特征提取框架,理论分析表明:该指标能最大限度去除特征冗余度和保持原始数据多样性。其次,设计了具有普遍意义的离散优化算法(DOA),结合工程优化问题特点给出DOA实现流程,并证明了DOA具有全局收敛性,在此基础上使用DOA对特征提取框架进行求解,通过并行特征子集筛选过程实现了最佳特征组合提取。最后,利用最佳特征子集和机器学习中的分布模糊聚类技术对传感云入侵行为进行检测,通过引入智能迭代进化思想和自适应聚类策略,在有效避免模糊聚类算法易陷入局部最优缺陷的同时实现了聚类个数自动划分。实验结果表明:该入侵检测算法能有效给出入侵检测结果,而且相比于其他检测算法,该算法异常检测成功率和漏检率明显改善,且具有较强抗噪能力。     

配电网可靠性评估贝叶斯网络区间算法

提出一种基于贝叶斯网络的配电网可靠性评估区间算法。为计及元件可靠性参数的不确定性,引入区间数运算法则,基于贝叶斯网络的双向推理模式,计算负荷点和系统的区间可靠性指标并辨识其薄弱环节。通过RBTS母线2等算例系统的可靠性评估和分析,证实算法的正确性和有效性。     

贝叶斯网络推理算法的研究和实现

针对桶消元推理算法提出并行计算的改进方案,并构建网络实验平台以用于研究中的理论验证及应用开发。实验表明,改进后的算法确实可以提高原算法的计算速度。     

基于故障树和贝叶斯网络的故障诊断模型

针对设备故障诊断技术中存在的固有不确定性问题,通过分析传统故障树模型存在的局限性以及传统贝叶斯网络建造困难的特点,提出了一种融合于故障树和传统贝叶斯网络的新方法—诊断贝叶斯网络法,并阐述了故障树和贝叶斯网络的故障诊断策略优化方法的基本思想和具体算法.通过综合分析故障树和贝叶斯网络在诊断推理和模型表达方面的特点得出,新方法可使二者充分发挥优势,有效解决故障诊断中存在的不确定性问题,提高了诊断的准确率,在故障诊断领域中具有一定的实际应用价值.