贝叶斯网络及其在决策支持系统中的应用

以贝叶斯概率和贝叶斯网络基本理论为基础，主要研究了贝叶斯网络的结构学习和使用贝叶斯网络进行知识发现和决策支持的方法。利用WILD算法对防洪数据进行了属性离散化，采用K2算法在防洪决策中建立了一种贝叶斯网络模型，并对该模型进行了概率依赖关系描述。说明了贝叶斯网络对数据库进行知识发现和决策支持的有效性。     

基于贝叶斯网络的电力变压器局部放电故障检测

针对传统电力变压器故障检测方法对电力系统中潜藏的故障问题检测水平不足,准确率较低,无法及时准确的发现异常隐患等问题,提出基于贝叶斯网络的变压器局部放电故障检测方法;首先通过传感器获取电力变压器不同状态下运行过程中的参数数据,对局部放电故障发生的概率和范围进行合理性评估,提取评估概率数据综合为样本数据集,构建贝叶斯网络故障树;根据逻辑规则转化为贝叶斯网络,推演计算故障节点之间的算例关系,利用贝叶斯原理抽取故障特征指标与异常概率之间的关联关系,利用模糊描述方法构建故障特征关联函数,计算可得故障特征模糊函数动态变化关系,实现对变压器故障发生的概率与位置信息的判断与确定;实验结果表明,利用贝叶斯网络对电力变压器局部放电故障检测准确率达到85%以上,最高可达96%,说明该方法具有较高的检测准确率,能够有效提高电力变压器放电故障检测的有效性。     

基于证据理论/层次分析法的贝叶斯网络建模方法

针对依据专家知识推断贝叶斯网络中条件概率表(CPT)时存在的个体推断信息缺乏完备性和精确性以及整体集成结果缺乏科学性的问题,提出了基于证据理论/层次分析法(DS/AHP)的能够从专家推断信息中提取最优条件概率的方法.首先,通过引入DS/AHP方法中的知识矩阵提出了有利于实现判断对象更直观、判断方式更完善的推断信息提取机制;其次,在此基础上遵循由前至后的推断顺序提出了贝叶斯网络的构建过程;最后,应用传统方法与提出方法对同一贝叶斯网络中的缺失条件概率表进行了推断.数值对比分析表明,所提方法能够在提高计算效率的同时将累计总偏差降低41%,验证了所提方法的科学有效性和应用可行性.     

基于贝叶斯方法的知识发现

贝叶斯方法是概率统计学中一种很重要的。方法贝叶网络就是根据各个变量之间概率关系用图论方法建立的模型,本文概率统计图的贝叶斯规则应用于知识发现。建立图论模型进行数据挖掘,文章最后应用贝叶斯网络对于实际的数据库进行知识发现,其结果说明了这种方法的有效性。     

动态贝叶斯网络在水文预报中的应用

贝叶斯网络是目前人工智能中不确定知识与推理中最有效的理论模型之一。提出一种基于动态贝叶斯网络模型理论的水文预报方法。在综合考虑降雨径流成因的基础上,利用领域专家知识构建网络模型,在已有降雨、流量数据的基础上通过计算变量间的条件概率来计算流量发生的可能性。最后,通过渭河流域咸阳至临潼段历时数据进行仿真实验,对仿真结果和该模型进行了分析。     

融合专家相对推断的贝叶斯网络构建方法

为了解决依据专家知识推断贝叶斯网络中条件概率表时存在的个体推断信息缺乏有效性以及整体集成结果缺乏科学性的问题,提出了有利于实现判断对象更直观、判断方式更简便的推断信息约简机理,然后将层次分析法中两两比较与判断矩阵分别作为主观条件概率信息的提取手段与信息载体,构建了能够从宏微观推断信息中提取最优条件概率的专家相对推断方法,该方法一方面可以克服传统方法中因专家推断能力有限的现实约束而造成个体推断信息容易缺乏有效性的问题,另一方面也能够对专家个体推断信息进行有效综合集成、保证决策结果的科学性。在此基础上遵循由前至后的推断顺序提出了贝叶斯网络的构建过程,最后应用数值对比分析和案例模拟分析验证了提出方法的科学有效性和应用可行性。     

基于贝叶斯网络的军事工程毁伤评估模型研究

应用贝叶斯网络理论在解决不确定性事件方面的推理优势,提出了基于贝叶斯网络的军事工程毁伤评估新方法。根据军事工程毁伤评估的系统特征与要求,提出了分解、转换、综合的系统建模规则,并引入贝叶斯网络原理,建立了运用贝叶斯网络进行军事工程毁伤评估系统建模的分析框架;在确定军事工程毁伤评估网络节点变量的基础上,以仿真计算数据为样本,确定网络结构和网络参数,寻找隐含的概率依赖关系和知识表达,构建军事工程毁伤评估置信模型。通过实例验证了用贝叶斯网络进行军事工程毁伤评估与推理的有效性。     

复杂网络健壮社团挖掘算法

提出了一种基于贝叶斯网络的健壮社团挖掘算法,通过对每个普通社团分别构建贝叶斯网络,并根据条件概率表和证据信息进行推理,得到贝叶斯网络中每个节点隶属于健壮社团的后验概率以提取健壮社团。实验结果证明了该方法对健壮社团发现的有效性。     

贝叶斯网络结构改进方法研究

针对两阶段的贝叶斯网络建模任务,提出基于网络度量的贝叶斯网络结构改进方法.定义基于条件独立互信息测度、以网络复杂度为惩罚函数的网络度量.该方法通过添加必要的弧和删除多余的弧两个主要步骤,搜索具有最小网络测度的贝叶斯网络为改进后的最佳网络.给出方法的详细过程,证明方法的正确性,并进一步分析算法的复杂度.通过熟知的贝叶斯网络Alarm的实验,验证方法的有效性.     

一种基于贝叶斯网络模型的交通事故预测方法

大部分的交通事故都可以预测.有效的交通事故预测能从很大程度上减少人员伤亡和交通阻塞.贝叶斯网络是目前不确定知识和推理领域最有效的理论模型之一.该文提出了一种基于贝叶斯网络模型理论的交通事故预测方法.在综合考虑交通事故成因的基础上利用领域专家知识构建网络模型,在已有的事故数据的基础上提出基于贝叶斯法则的学习算法,并通过计算变量间的条件概率来计算事故发生的可能性,达到事故预测的目的.文章的最后,通过历史数据进行仿真实验,对仿真结果和该模型的适用范围进行了分析.     

TCN-KT：个人基础与遗忘融合的时间卷积知识追踪模型

智慧教育的热门领域知识追踪（KT）被视为序列建模任务,其主要关注点和解决方式都集中在循环神经网络（RNN）上。但RNN通常会面临梯度消失或者梯度爆炸等问题,且训练时间和设备要求都过于严苛,针对以上问题,提出融合学习者个人先验基础和遗忘因素的时间卷积知识追踪模型（TCN-KT）。首先利用RNN模型计算得到学生个人先验基础,然后使用梯度稳定、内存占用率更低的时间卷积网络（TCN）预测学生下一题正误的初始概率,最后融合基于学生基础的遗忘因素得到最终结果。实验验证,TCN-KT预测性能最佳并减少了计算时间。     

基于神经网络的定向口令猜测研究

文本口令是现如今最主要的身份认证方式之一,很多用户为了方便记忆在构造口令时使用个人信息。然而,目前利用用户个人信息进行定向口令猜测,进而评估口令安全的工作相对欠缺。同时,神经网络在文本序列处理问题上的成功应用,使得利用神经网络进行口令安全问题研究成为一种新的研究思路。本文基于大规模口令集合,对用户口令构造行为进行分析的基础上,研究用户个人信息在口令构造中的作用,进而提出一种结合神经网络和用户个人信息的定向口令猜测模型TPGXNN（TargetedPassword Guessing using X Neural Networks）,并在8组共计7000万条口令数据上进行定向口令猜测实验。实验结果显示,在各组定向口令猜测实验中,TPGXNN模型的猜测成功率均比概率上下文无关文法、马尔科夫模型等传统模型更高,表明了TPGXNN模型的有效性。     

Application of multivariate statistics and 3D visualization analysis in tacit knowledge diffusion map

Tacit knowledge is an important factor for enterprises and institutions to enhance their knowledge innovation and value-added capabilities, and it is also a basic link to enhance organizational learning capabilities. With the development of technology, the dissemination of tacit knowledge has increasingly shown complex and dynamic trends. In order to make the tacit knowledge in the enterprise better circulate and generate greater economic value, therefore, this paper proposes a study on the diffusion map of tacit knowledge based on multivariate statistics and 3D visualization analysis. First of all, this paper analyzes the internal relationship between organizational learning and organizational tacit knowledge integration and organizational tacit knowledge innovation, and combines multiple statistical methods to propose an organizational tacit knowledge integration method based on tacit knowledge management. Secondly, we combine 3D visualization and generative confrontation network methods to analyze the data of tacit knowledge dissemination, and visualize the distribution of knowledge dissemination in three dimensions. In the simulation experiment test, this paper reveals that the spreading efficiency of tacit knowledge in the network is affected by related factors. Through this model, we hope to explore the behavioral laws of different types of nodes in the network and propose effective countermeasures to improve the efficiency of knowledge dissemination.     

基于遗传神经网络的耙吸挖泥船泥泵转速预测

耙吸挖泥船泥泵管线模型是一个复杂的、非线性的动态模型,影响模型准确性的参数较多;为了根据当前施工条件和流量的优化值准确地预测转速,为施工人员提供参考,提高疏浚效率,采用了遗传算法改进的BP神经网络对泥泵转速进行预测;首先,遗传算法对BP神经网络的初始权值和阈值进行优化;然后,BP神经网络根据优化值对网络进行训练并对转速进行预测;为了验证该方法的有效性,将遗传BP神经网络的预测输出和实测泥泵转速进行对比;仿真结果表明:遗传BP神经网络具有很强的非线性拟合能力和全局搜索能力,能够准确地预测泥泵转速;该预测输出可为施工人员提供参考,以便改变泥泵转速,提高疏浚效率。     

结合KL距离与图像域分块的SAR图像分割

提出一种结合KL(Kullback-Leibler)距离和图像域分块的SAR图像分割算法.首先,利用规则划分技术将图像域划分成若干规则子块,以子块为处理单元,假设子块内像素服从高斯分布,并构建特征场概率模型;其次,采用广义Potts模型定义刻画邻域子块相关性的标号场概率模型,根据贝叶斯定理,得到后验概率模型;再次,采用KL距离定义刻画同质区域间统计分布差异的异质性系数,并通过非约束吉布斯表达式构建概率分布函数,结合后验概率和吉布斯概率分布函数建立图像分割模型;然后,设计M-H(Metropolis-Hastings)采样方法,包括改变子块标号操作和分裂子块操作,模拟上述分割模型,从而获得最优分割结果;最后,通过对所提出算法和对比算法的SAR图像分割结果进行分析,充分验证了所提出算法的有效性和优越性.     

基于自编码器的贝叶斯网嵌入及概率推理

贝叶斯网(BN)是不确定性知识表示和推理的基本框架,广泛用于社交网络、知识图谱和医疗诊断等领域.特定领域中基于BN的分析诊断和决策支持,其核心计算任务是基于BN进行多次概率推理.然而,使用传统的概率推理方法,基于同一BN的多次概率推理其中间过程存在很多重复的计算结果,具有较高的时间复杂度.为了提高多次概率推理的效率,提出易于重用和易于计算的贝叶斯网嵌入及相应的概率推理方法.首先,借鉴图嵌入的基本思想,使用点互信息矩阵来表示BN的有向无环图结构和条件概率参数,提出基于自编码器和注意力机制的BN嵌入方法.其中,自编码器的每一编码层利用节点与其邻居节点(父节点和子节点)的相关性生成节点嵌入,从而在嵌入向量中保存BN节点间的概率依赖关系.然后,使用嵌入向量之间的距离来度量节点之间的联合概率,提出基于嵌入向量的BN概率推理方法.实验证明,针对BN的多次概率推理,所提方法的效率高于现有方法,且能得到准确的推理结果.     

基于Jackson网络的地面分队防御作战兵力部署方法

针对地面分队防御作战兵力部署信息利用不足、未能宏观统筹部署的问题,提出一种基于Jackson网络的地面分队防御作战兵力部署方法,实现对地面分队防御作战兵力部署的建模和优化.首先,分析地面分队防御敌突击武器的规律和特点,用Jackson排队网络对该过程建模,并针对第1道防线节点顾客到达率大于服务率的问题,提出Jackson排队网络的等效转化方法;其次,依据各节点的吞吐量和顾客到达率,研究节点间的顾客转移量、外来顾客到达率,并最终求得敌目标对防线的突破率;最后,基于博弈思想,建立双层迭代寻优结构,计算敌最优进攻策略下我方的最优决策.仿真实验验证了所提出的改进人工蜂群算法在求解所研究模型收敛性和稳定性方面的优势以及所提出双层迭代寻优结构的合理性,同时讨论了毁伤概率对兵力部署的影响.     

基于知识图谱的互补项目推荐

在缺乏用户交互互补项目方面数据的情况下,将用户对项目的偏好融合到只考虑项目关系的互补项目推荐中,提高推荐模型的性能。提出一种基于知识图谱的互补项目推荐方法,在用户历史交互项目集中推测用户交互的互补项目,基于知识图谱提取用户对互补项目的偏好,利用图像与文本学习项目之间的互补关系,最后基于神经网络实现二者的共同学习。提出的方法在Amazon数据集上与次优的基线方法相比,ACC提升了7%,precision提升了3%,这说明提出的方法性能优异。该算法共同学习用户对项目的偏好与项目之间的互补关系,提升了推荐性能。     

应急环境下双重大规模行为主体知识融合方法及在方案排序中的应用

针对突发事件的复杂性、风险性、特殊性、行为主体知识结构的差异性以及有限性,将大群体智慧引入应急决策中,提出一种应用新的融合主体知识水平的方案选择方法.首先,在公众层面基于偏好序列向量和改进的知识测量公式确定公众的知识水平,依据分歧矩阵和控制者进行公众聚类并对子群间的知识水平标准化,形成基于公众行为知识水平的方案排名矩阵;然后,在专家层面基于多粒度二元语义和灰色关联模型确定专家的知识水平和属性权重,通过聚合算子得到专家对方案的评估信息并形成专家对方案排名的支持矩阵;接着,引入参考公众共识阈值,形成融合上述双重主体的共识矩阵,并进行方案排序;最后,通过Covid-19案例和对比分析验证所提出方法的有效性和合理性.     

基于贝叶斯网络模型的纹理分析及分类

用贝叶斯网络对纹理图像建模,并基于此模型给出了一种纹理分类的方法.把纹理图像在一个窗口内各个像素的灰度值看作贝叶斯网络的一次实现,通过训练得到各类纹理所对应贝叶斯网络的结构和参数,用纹理图像像素点在网络中的条件概率分布作为特征进行纹理分类.实验结果证明了该方法的有效性.