包含隐变量的贝叶斯网络增量学习方法

提出了一种贝叶斯网络增量学习方法——ILBN.ILBN将EM算法和遗传算法引入到了贝叶斯网络的增量学习过程中,用EM算法从不完整数据计算充分统计量的期望,用遗传算法进化贝叶斯网络的结构,在一定程度上缓解了确定性搜索算法的局部极值问题.通过定义新变异算子和扩展传统的交叉算子,ILBN能够增量学习包含隐变量的贝叶斯网络结构.最后,ILBN改进了Friedman等人的增量学习过程.实验结果表明,ILBN和Friedman等人的增量学习方法存储开销相当,但在相同条件下,学到的网络更精确;实验结果也证实了存在不完整数据和隐变量时,ILBN的增量学习能力.     

贝叶斯构造网络算法在电信CRM中的应用

客户流失是各大运营商面临的一个挑战，随着市场的逐渐饱和，减少客户流失成为企业战略发展的一个重要组成部分。数据挖掘技术的核心功能在于通过历史数据预测未来的发展趋势，数据挖掘技术的使用可以在客户流失前及时给营销人员预警，使营销人员可以及时的挽留客户，从而降低客户流失率。本文通过对客户流失的业务需求和数据挖掘技术的介绍，提出了一种客户流失预测分析的解决方案。     

基于贝叶斯网络的混合像元分解模型

提出了基于贝叶斯网络的混合像元分解模型来处理光谱信息不足的遥感影像。首先,用随机变量来表示像元中各成分的光谱值,在此基础上建立贝叶斯网络来刻画像元中各成分丰度与像元光谱的因果关系。然后,通过贝叶斯推理计算像元中各端元丰度的联合概率分布,并利用蒙特卡罗积分来计算各端元丰度的无偏估计值,从而得到混合像元内各端元丰度值。为了证明该算法的有效性,本研究设计了模拟试验和真实影像试验。结果表明,该算法在光谱信息不足的情况下的分解能力明显优于最小二乘算法。     

短码长四元最优局部修复码的构造

在分布式存储系统中,当节点发生故障时局部修复码(LRC)可以通过访问少量其他节点来恢复数据,然而LRC的局部度不尽相同,该文构造了短码长且局部度较小的四元LRC。当码长不超过20,最小距离大于2时,若四元距离最优线性码的生成阵维数不超过校验阵维数,可利用其生成阵给出LRC,否则利用其校验阵给出LRC。对已构造的LRC的生成阵或校验阵,利用删除、并置等方法得到新矩阵,从而构造出190个码长$n \le 20$,最小距离$d \ge 2$的LRC。除12个LRC外,其他LRC是局部度最优的。     

基于贝叶斯网络的混合像元分解模型

提出了基于贝叶斯网络的混合像元分解模型来处理光谱信息不足的遥感影像.首先,用随机变量来表示像元中各成分的光谱值,在此基础上建立贝叶斯网络来刻画像元中各成分丰度与像元光谱的因果关系.然后,通过贝叶斯推理计算像元中各端元丰度的联合概率分布,并利用蒙特卡罗积分来计算各端元丰度的无偏估计值,从而得到混合像元内各端元丰度值.为了证明该算法的有效性,本研究设计了模拟试验和真实影像试验.结果表明,该算法在光谱信息不足的情况下的分解能力明显优于最小二乘算法.     

顺序存取设备最优存储的遗传算法

顺序存取设备的最优存储是组合优化中的一个重要问题。文章在系统地讨论了顺序存取设备有关理论的基础上,设计并实现了该问题的一种新型算法——遗传算法。在这种算法中,充分利用了遗传算法的全局搜索能力。实验仿真表明,该算法不仅有效,而且表现出很强的鲁棒性。     

一类p元最优线性码和低相关性线性序列的构造

在信息理论中,最优线性码具有很强的纠错能力、低相关性线性序列在密码系统和CDMA通信系统中得到了广泛应用.因此构造最优线性码和构造低相关性线性序列具有重要的研究价值.记R=Fp+uFp,这里的p为奇素数.本文首先通过迹映射构造出环R上的一类新的线性码,然后将这类新的线性码的删余码通过Gray映射得到了域Fp上一类最优码.同时,通过迹映射构造出环R上的一类线性循环码,将这类线性循环码视为线性周期序列并通过广义Nechaev-Gray映射得到了域Fp上一类低相关线性周期序列.     

基于自适应最优消零的无线传感器网络数据压缩算法研究

针对无线传感器网络采集数据存在的时空冗余,提出了一种自适应最优消零压缩算法(AOZS,adaptive op-timal zero suppression compression algorithm)。AOZS是一种无损的数据压缩算法,能够自适应地寻找最优位数因子对递增排列的数据序列进行消零运算和编码,使得数据序列的最终编码长度最短。仿真结果表明,AOZS算法能够对无线传感器网络采集的数据进行有效地压缩,降低了节点能耗,减小了网络延时,并且能精确地重构原始数据。     

基于隐变量贝叶斯模型的稀疏信号恢复

该文基于贝叶斯分析的视角,揭示了一类算法,包括使用隐变量模型的稀疏贝叶斯学习(SBL),正则化FOCUSS算法以及Log-Sum算法之间的内在关联。分析显示,作为隐变量贝叶斯模型的一种,稀疏贝叶斯学习使用第2类最大似然(Type II ML)在隐变量空间进行运算,可以视作一种更为广义和灵活的方法,并且为不适定反问题的稀疏求解提供了改进的途径。较之于目前基于第1类最大似然(Type I ML)的稀疏方法,仿真实验证实了稀疏贝叶斯学习的优越性能。     

基于贝叶斯网络工具箱的贝叶斯学习和推理

采用MATLAB语言编制的贝叶斯网络工具箱(Bayesian Networks Toolbox,BNT)可实现贝叶斯网络结构学习、参数学习、推理和构建贝叶斯分类器,此工具箱在贝叶斯学习编程方面非常灵活.介绍了用贝叶斯网络工具箱解决贝叶斯学习和推理问题,并给出了两个实例.     

基于贝叶斯网络的认知网络推理方法

文章阐述了认知网络的控制架构,并在此架构上建立了基于贝叶斯网络的认知网络推理模型,通过此推理模型预测出网络的性能参数,为认知网络的自主决策提供依据,使得认知网络能在网络环境变化时自适应地做出反应,从而真正实现端到端的QoS（服务质量）目标。     

贝叶斯网络推理算法研究

大型复杂贝叶斯网络的诊断推理存在困难,在其推理诊断之前对网络结构进行适当的简化,可以有效地加快诊断推理速度。采用分簇联合树算法实现对网络结构的简化与推理。主要介绍了分簇搜索算法的基本思想、实现步骤及联合树推理算法,并将它们结合使用,使贝叶斯网络的简化推理更有效。     

基于单变量多项式表示的具有最大代数免疫度奇变元函数构造

To protect against algebraic attacks, a high algebraic immunity is now an important criterion for Boolean functions used in stream ciphers. In this paper, a new method based on a univariate polynomial representation of Boolean functions is proposed. The proposed method is used to construct Boolean functions with an odd number of variables and with maximum algebraic immunity. We also discuss the nonlinearity of the constructed functions. Moreover, a lower bound is determined for the number of Boolean functions with maximum algebraic immunity.     

最优双核复合分类算法的构造

 由于使用单一且固定的核函数,传统的核分类算法不能有效地适应复杂的数据集合,导致分类性能下降.本文提出一种基于双核复合的分类算法ODKC(Optimal Double-Kernel Combination)的构造框架,通过融合两个基本核函数的映射来构造目标核函数.研究了双核复合的三种典型方式,并把这三种复合方式纳入到统一的框架下处理.论文以核与数据的匹配性度量KTA(Kernel Target Alignment)以及分类性能验证了所提算法的有效性.     

几类最优重根循环码的构造

本文分析了重根循环码的纠错能力.利用循环码的代数结构,构造了几类最优的循环码.构造了一类距离最优的二元重根循环码,并由此派生出一类距离和维数都是最优的二元重根循环码;构造了一类距离和维数都是最优的非二元重根循环码;构造了两类距离最优的非二元循环码.     

基于贝叶斯网络模型的信息检索

贝叶斯网络模型是解决信息检索领域问题的有效手段，因为它可以表示术语间的条件概率和概念语义，并依此预测用户查询和文档间的相似度。本文对信息检索中的贝叶斯网络模型做了若干改进，加入了一些新特征，并用实验结果证明了通过提高贝叶斯网络模型的质量和调整其中的参数，我们的方法取得了较好的检索效果。     

基于混合变量规划的雷达最优搜索方法

针对预警机所提供引导信息下相控阵雷达进行快速搜索,以3倍均方差法为依据来划分初始搜索空域并对其进行波位编排,根据先验信息得到目标在各个波位的出现概率.考虑到雷达对各个波位的照射顺序,以最小化目标平均发现时间为目的,建立基于混合变量规划的相控阵雷达搜索资源最优分配模型.使用拉格朗日乘子法对模型进行求解,可同时得到最优搜索...     

贝叶斯网络的研究与进展

人们在日常生活中经常要碰到决策问题,而且很多时候需要面对不充分的信息和不确定的事物,应该如何对它们进行预测、判断和决策呢？现今的计算机技术研究也在积极涉及这方面的内容,并试图借助计算机来更好地解决这种概率性和不确定性的决策问题。人们熟悉的微软是贝叶斯网络研究应用的最积极的探索者之一,例如微软在研究使贝叶斯网络能自动从新知识中学习或更新的技术和使用贝叶斯网络技术来改进从大型数据库中查找相关信息片段的人工智能技术,如“知识挖掘”和“合作过滤”。贝叶斯网络概述贝叶斯网络（BayesianNetworH是一种对概率…     

贝叶斯网络诱导的内积空间

概率模型和核函数相结合的方法是学习系统的热点研究领域,贝叶斯网络是重要的一类概率图形模型。文中主要讨论了变量取值在布尔域上的两类分类任务,重点讨论了几个常见贝叶斯网络诱导的内积空间的最低维数,为解决一些常见的分类问题提供了理论依据。文中通过分析概念类的VC维来确定其欧几里德维数的下界,VC维还可用于估计贝叶斯网络概念类的复杂性和判断概念类的分类性能。