基于数据挖掘技术的智慧校园构建研究

本文针对高校数据信息特点,基于数据挖掘技术构建了智慧校园的建设模型,确立了高校综合智能决策分析模型中的各级目标,提出了高校综合智能决策分析系统的体系结构。结合大学生网络行为分析来验证和确认平台模型的设计,探索了高校综合智能分析决策系统在高校中的应用,即为高校管理提供决策支持,推进高校教学、科研、管理、生活及服务的智慧化,对实现教育信息化、管理规范化和决策科学化具有重要意义。     

基于关联规则模式的数字图书馆智能检索研究

为了提高数字图书馆资源检索的有效性与高效性，提出一种基于关联规则的数字图书馆智能检索方法，该方法以用户的输入查询词为数据输入，并以输入作为项目集，采用贝叶斯网络构造检索模型，对输入项目集进行关联规则运算，最后获得查询的最终结果。采用贝叶斯网络构造数字图书馆的智能检索模型在很大程度上提高了资源检索的智能性及高效性，具有广泛的应用价值。     

动态贝叶斯网络在战场态势估计中的应用

贝叶斯网络用于态势估计时,系统参数不能及时调整,无法对未来时刻进行预测。为解决这一问题,对动态贝叶斯网络在战场态势评估中的应用进行了研究,引入时间因素,建立了网络模型,分析了概率参数与推理的过程,并利用卡尔曼滤波模型法对推理进行仿真实验。实验结果表明了动态模型推理的有效性。动态贝叶斯网络可以有效利用侦察数据中的时间信息,实时动态地处理影响分析和决策的种种因素,对指挥员的作战决策具有极大的参考价值。     

提升人工智能大模型工业知识问答能力

<正>人工智能大模型作为实现通用人工智能的重要途径,正在对互联网的关键技术、架构体系、产业发展、应用模式产生变革性影响。大模型与5G、边缘计算、大数据等数字技术相结合,可以构建集智能感知、智能决策、智能控制于一体的泛智能基础设施,支撑算据、算力、算法深度融合,变革生产要素组合方式,引领技术产业的协同创新。     

山地条件下的无人机气象威胁度建模与评估方法

针对无人机在山地条件下飞行时气象威胁因素复杂多变,提出一种基于贝叶斯网络的山地气象威胁度建模与评估方法。结合专家知识与EM算法构建贝叶斯网络模型,利用多树传播推理算法对山地气象要素进行威胁等级评估。评估结果表明,基于贝叶斯网络的气象威胁度评估能够正确直观地划分山地气象要素对无人机的威胁等级,对无人机智能决策具有重要意义。     

智能配电用电综合体系研究

为解决智能配电用电网中不同通信的不同的集中运行与管理问题,提出了智能配电用电综合网络管理系统.为了更好地加以利用,有必要对智能配电综合系统进行研究.针对应用系统中出售买卖业务、配电用电机械化等问题缺少统一管理,在国家电网"信息采集收集统一协同规范化、平台支撑一体化、电网模型标准化、人机交互化"的实际制作原理,统一规范化管理智能电网配电用电系统,完成对买卖销售业务、统一协同调度要求,更好管理.     

基于贝叶斯优化算法的UCAV编队对地攻击协同任务分配

针对UCAV编队对地攻击协同控制决策优化问题,首先构建了UCAV编队对地攻击任务分配的自主价值优势矩阵.在此基础上依据多人冲突理论分别对双方以及本机编队进行权重分配;建立了UCAV编队对地攻击协同任务分配的整体价值优势矩阵,由此根据决策变量与约束条件构建了任务分配问题的数学模型.然后应用贝叶斯优化算法对该模型进行了优化分析.仿真实例表明,所建协同任务分配模型能够反映编队协同控制决策的重要性,而且应用贝叶斯优化算法能够很快收敛到全局最优解,能有效地解决UCAV编队对地攻击的协同任务分配问题.     

神经网络在高炉中的应用

文章介绍了神经网络在高炉中的应用,将导致高炉操作炉型异常及炉温分布异常的征兆作为输入量,分别采用不同的子神经网络,完成不同侧面高炉异常运行模式的识别.用决策级融合网络得出综合决策结论,能够充分利用不同信息源的信息,提高了决策结论的确定性,从而获得对高炉运行状态的最优估计与判决.在理论研究和仿真验证基础上,基于MATLAB及VB软件技术建立了高炉智能操作决策系统的工程应用方法,为高炉智能操作决策系统的在线应用作了技术上的准备.     

模糊贝叶斯网络融合多传感器故障信息可靠性方法

传感器作为测量被控系统输出信号的主要装置,从多类型传感器的故障数据中提取有价值信息,综合不同传感器数据,整合同类型的数据,融合信息优化数据结果,以便准确获得有效信息。在此运用贝叶斯网络的条件概率描述了模糊信息,分析并提出模糊贝叶斯网络多传感系统,建立可靠性模型,该方法应用到飞行器不确定分析过程来处理多传感器模糊故障信息,实验证明可提升系统的分析效率。     

网络协同取证系统的设计与实现

随着网络传输速度的不断提高和网络应用的飞速发展,如何实时获取网络信息,准确快速地进行网络取证,已经成为计算机科学领域专家关注的热点问题。文中在分析网络取证技术和取证过程特点的基础上,给出了对主机、网络数据包和安全设备的协同取证系统,针对从不同取证要素获取的数据,系统并行地采用多种处理技术,最后采用模糊决策方法进行证据的分析和判定。该系统在计算机网络取证方面实现了协同并行处理、实时快速响应及综合智能分析。     

多层次分布式智能决策支持系统在区域经济中的应用

分布式智能决策支持系统是由多个物理上分离的信息处理节点构成的计算机网络，网络的每个节点至少含有一个决策支持系统或具有若干辅助决策的功能。文章将多层次分布式智能决策支持系统运用在区域经济分析中．以某地区经济的发展为研究对象，在研究智能预测方法、评价方法的基础上，讨论该地区经济协调发展的预测模型及控制模型．为区域经济决策者做出正确合理的决策提供一定的参考。     

小数据集BN建模方法及其在威胁评估中的应用

贝叶斯网络是数据挖掘领域的主要工具之一。在某些特定场合,如重大装备的故障诊断、地质灾害预测及作战决策等,希望用少量数据得到较好的结果。因此,本文针对小数据集条件下的贝叶斯网络学习问题展开研究。首先,建立基于连接概率分布的结构约束模型,提出I-BD-BPSO（Improved-Bayesian Dirichlet-Binary Particle Swarm Optimi-zation）结构学习算法;其次,建立单调性参数约束模型,提出MCE（Monotonicity Constraint Estimation）参数学习算法;最后,应用所提算法构建威胁评估模型并应用变量消元法进行推理计算。实验结果表明,在小数据集条件下,本文的结构学习算法优于经典的二值粒子群优化算法,参数学习算法优于最大似然估计、保序回归及凸优化算法,并能够构建有效的威胁评估模型。     

基于区域感知贝叶斯决策的5G超密集异构网络联合垂直切换技术研究

针对无线通信异构网络切换中最优接入网的选择问题,现有研究主要集中于解决在两个网络间选择切换,而对于未来5G（5th Generation）通信系统中超密集网络的切换问题研究较少.本文就研究了5G无线通信系统中超密集异构网络的选择切换.文中提出了一种基于区域感知贝叶斯决策的联合垂直切换方式,该方案通过选择超密集异构接入网络的最优切换概率从而解决超密集网络切换问题.通过对移动用户（mobile station）从宏基站进入超密集服务小区,以及在小区内和小区间移动的不同场景进行仿真分析,研究结果表明本文决策方式能够准确地选择要切换的网络,因而该方案能够适用于超密集网络的应用场景.     

iJADE WeatherMAN: a weather forecasting system using intelligent multiagent-based fuzzy neuro network

Weather forecasting has been one of the most challenging problems around the world for more than half a century. Not only because of its practical value in meteorology, but it is also a typical "unbiased" time series forecasting problem in scientific research. In this paper, we propose an innovative, intelligent multiagent-based environment, namely intelligent Java Agent Development Environment (iJADE), to provide an integrated and intelligent agent-based platform in the e-commerce environment. In addition to the facilities found in contemporary agent development platforms, which focus on the autonomy and mobility of the multiagents, iJADE provides an intelligent layer (known as the "conscious layer") to implement various AI functionalities in order to produce "smart" agents. From an implementation point of view, we introduce a weather forecasting system known as iJADE WeatherMAN - a weather forecasting system that uses fuzzy-neuro-based intelligent agents for automatic weather information gathering and filtering, and for time series weather prediction. Compared with the previous studies on single point sources using a similar network and other networks, such as the radial basis function network, learning vector quantization and the Na/spl inodot//spl uml/ve Bayesian network, our experimental results are very promising. This neural-based rainfall forecasting system is useful and can be used in parallel with traditional forecast methods that are used at the Hong Kong Observatory.     

Behavior modeling for spectrum sharing in wireless cognitive networks

Cognitive networks are designed based on the concept of dynamic and intelligent network management, characterizing the feature of self-sensing, self-configuration, self-learning, self-consciousness etc. In this paper, focusing on the spectrum sharing and competition, we propose a novel OODA (Orient-Observe-Decide-Act) based behavior modeling methodology to illustrate spectrum access problem in the heterogenous cognitive network which consists of multiple primary networks (PN, i.e. licensed networks) and multiple secondary networks (SN, i.e. unlicensed networks). Two different utility functions are designed for primary users and secondary users respectively based on marketing mechanism to formulate the decide module mathematically. Also, we adopt expectation and learning process in the utility design which considers the variance of channels, transmission forecasting, afore trading histories and etc. A double auction based spectrum trading scheme is established and implemented in two scenarios assorted from the supply-and-demand relationship i.e. LPMS (Less PNs and More SNs) and MPLS (More PNs and Less SNs). After the discussion of the Bayesian Nash Equilibrium, numerical results with four bidding strategies of SNs are presented to reinforce the effectiveness of the proposed utility evaluation based decision modules under two scenarios. Besides, we prove that the proposed behavior model based spectrum access method maintains frequency efficiency comparable with traditional centralized cognitive access approaches and reduces the network deployment cost.     

装备维修智能决策支持系统研究

从系统的功能需求入手介绍传统的智能决策支持系统的结构模型,分析装备维修智能决策支持系统的功能实现,按照智能维修的目标设计了系统的总体构架。数据仓库的建立和分析采用传统的方法;对装备维修资料进行分析组建相应的知识库;分析建立模型条件结合知识库建立模型库;用数据挖掘方法处理数据仓库、知识库和模型库中的知识实现系统的智能决策。结果证明该方法在装备维修智能决策支持系统中得到很好的应用。     

基于DPSO的不确定系统测试性建模

针对关联模型在复杂装备测试性评估中对不确定问题描述与分析的缺陷,给出了基于贝叶斯网络的测试性模型,利用条件概率描述系统的不确定信息.在基于统计数据的测试性建模与评估中,由于故障征兆与故障原因统计的不完全性,致使测试性建模属于数据不完备情况下的结构和参数学习问题,针对该问题利用离散粒子群算法,通过测试性数据完备化,以贝叶斯测度为计分值,实现贝叶斯网络结构学习.最后通过实例验证了算法的正确性和有效性.     

基于扩展贝叶斯网络的编队对地攻击效能评估

编队对地攻击作战的效能评估中,由于忽略不确定因素的影响,往往给评估结果造成较大误差。针对编队对地攻击作战效能评估中不确定因素的影响,提出一种基于扩展贝叶斯网络作战效能评估方法;分析了编队对地攻击中的不确定因素,根据不确定因素的特点,结合灰色模糊综合评判理论处理不确定因素的优势和贝叶斯网络在推理上的优点,提出扩展贝叶斯网络模型,该模型利用模糊理论处理不确定性的优势,将不确定因素转换为概率问题;结合贝叶斯网络较强的推理能力,综合评估编队对地突防、攻击作战效能,有效地解决了不确定因素的影响。仿真实例证明了该方法的实用性和有效性。     

基于边界先验双模型贝叶斯决策的红外图像海天线检测

为了解决复杂海面干扰下海天线检测的问题,本文提出了一种基于边界先验双模型贝叶斯决策的红外图像的海天线检测方法。该方法首先将海空背景下的红外图像划分为子图像块,以子图像块的离散余弦变换的主余弦谱作为子图像块特征;然后,基于边界先验建立了海、天子图像块的贝叶斯决策模型,对海、天子图像块进行粗划分;之后,利用粗划分的子图像块集合建立细划分贝叶斯决策模型,利用重叠子图像块滑动细划分方法,获取海天线上候选点;最后,利用随机抽样一致性（RANSAC）算法得到海天线模型参数,实现海天线的检测。实验结果表明,该方法能有效检测出复杂海空背景下的海天线,对于海杂波、亮斑等干扰较多的复杂红外图像具有更优的检测效果,运算速度较快。