基于分层模型的组合服务故障定位算法

在面向服务的架构中,服务之间的依赖关系具有单向性的特点。基于这种单向性依赖,提出了服务故障传播的分层模型并设计了服务的分层算法,将服务节点分层。根据分层模型设计了服务故障定位的监测探针和诊断部署,减少了监测探针的数目。在探针探测结果的基础上,提出了分层模型下基于贝叶斯网络的故障定位算法,该算法通过计算故障发生时服务的影响因子和可信度,快速定位故障。仿真结果验证了该算法可以较准确地定位组合服务中的故障,且保持较低的误报率。     

基于贝叶斯网的决策表系统的优化分解

提出了决策表系统的基于广义决策函数(GDF)与基于贝叶斯网的分解方法是等价的;指出决策表系统的分解问题可归结为求解与决策表系统相应的多模块贝叶斯网(MSBN)及其d-割集;对同一个贝叶斯网(BN)具有不同的d-割集,存在不同的分解模式,提出并证明了MSBN的d-割集和连接联合森林(LJF)的割集之间的关系,而且LJF的割集决定着MSBN优化的d-割集,这样决策表系统分解问题也就是求解LJF的割集;最后通过案例说明提出的方法的可行性.     

基于排序学习的复杂网络节点接近中心性近似排序

随着网络规模的增大,节点接近中心性的精确算法效率越来越低.本文提出一种基于RankNet排序学习算法的模型以快速逼近复杂网络节点接近中心性排序.首先通过相关性分析得到与接近中心性呈正相关的节点重要度指标作为模型的输入特征,然后在给定网络中随机选取节点子集用于模型的训练样本数据.在一个真实航空网络数据集和典型的复杂网络模型上对提出的模型进行了验证,实验结果表明基于RankNet排序学习算法的模型能够在一定程度上降低计算时间复杂度,而且保持了较高的近似准确性,所提出的模型排序效果明显优于采用回归学习的基准模型.     

基于软件模块排序模型的纠正性软件维护

识别有故障倾向的模块能够将有限的资源最大化地用于软件维护.目的是利用软件模块排序模型预测模块故障倾向程度,从而指导纠正性软件维护.研究软件模块排序模型的评估和使用方法,并提出以贝叶斯信念网络改进排序模型的基本定量模型.     

基于地理偏好排序的兴趣点混合推荐模型

随着基于位置的社交网络（LBSN）迅速发展,作为缓解信息过载的有效手段,兴趣点（POI）推荐备受关注。由于用户签到数据是隐式反馈数据,且十分稀疏,为了有效地从用户签到数据中捕获用户POI偏好,提出了一个基于地理偏好排序的POI混合推荐模型。首先,考虑用户签到数据的隐式反馈特性及用户活动的空间约束,利用传统贝叶斯个性化排序（BPR）模型计算POI距离对POI排序的影响,提出加权BPR(GWBPR)模型;然后,针对用户签到数据的稀疏性,融合GWBPR模型和逻辑矩阵分解（LMF）模型,提出混合模型GWBPR-LMF。在两个真实数据集Foursquare和Gowalla上的实验结果表明,GWBPR-LMF模型的性能优于BPR、LMF、SAE-NAD(Self-AttentiveEncoderand Neighbor-Aware Decoder)等对比模型。与较优的对比模型SAE-NAD相比,GWBPR-LMF模型的POI推荐的精确率、召回率、F1值、平均精度均值（mAP）、归一化折损累积增益（NDCG）在数据集Foursquare上分别平均提升了44.9%、57.1%、78.4%、55.3%和...     

一种基于分层结构的网页排序算法

链状解析算法已经被广泛应用于网络信息检索.然而,当前的链状解析算法通常用于平面链状图,忽略了网络的分层结构.这会导致两个问题的出现:链状结构越来越少和比较偏向于上层网页.文中提出了一个能够解决这两个问题的新排序算法,叫做分层排序,这种算法可以用于网络中的分层结构和链状结构.在实验结果中显示分层排序算法持续超过了其它知名排序算法,其中包括网页排序算法、块排序算法和层次排序算法.     

基于分层弹性运动分析的非刚体跟踪方法

采用时--空分层的弹性运动跟踪策略, 提出了一种分析长时运动稳定结构与短时运动局部变化的非刚体运动跟踪方法. 首先, 基于序贯形状聚类的分段弹性运动跟踪模型, 将整段图像序列分割成若干子段, 并利用弹性运动分析方法得到子段内各帧边缘点的对应关系和各类的平均形状, 获取短时局部运动变化细节. 然后, 通过基于贝叶斯网的整体搜索算法寻找时序上相邻聚类平均形状之间的对应关系, 进而得到整段运动的公共形状, 用于表示长时运动稳定结构. 通过计算公共形状与各类平均形状之间的变形关系, 可以建立各聚类平均形状之间的对应关系, 实现分段运动的连接. 本方法的特点是不依赖先验模型、 通用性好、 目标的描述能力强. 实验表明, 本方法与现有不依赖模型的方法相比,具有更好的长时稳定性和更高的跟踪精确度.     

基于时间链接分析的页面排序优化算法*

传统的页面排序算法偏重于旧网页,使得一些旧的页面经常出现在检索结果的前面。为了改进此类算法,引入时间链接分析,使用爬虫抓起页面时HTTP协议反馈回来的修改时间作为页面和链接的时间,并综合考虑页面的出入链接个数和时间来计算页面的权重值。开发出的WTPR算法能使新网页集在排序中上升,高质量的旧网页比普通的旧网页能获得较高的排序值。     

快速成型中基于零件装配要求的分段分层算法

在满足精度要求的前提下,为了提高分层效率,考虑现有等厚分层算法的优势与不 足,对具有装配要求的零件STL 模型,提出了按照模型不同的功能装配要求对其进行分段等厚分 层的思想。分段等厚分层新算法按照成型方向将模型划分为不同分层部位,各部位按照不同的厚 度进行等厚分层。各段的等厚分层算法采用了排序精简法,通过三次排序直接提取出只与分层切 平面相交的三角形面片,快速截交,输出层面轮廓线。新算法通过MATLAB 软件实现,并以一 具有封闭内腔的斗齿实例进行了验证,结果显示：该文算法不仅具有较高的灵活性,满足零件在 功能装配上的精度要求;而且能够快速输出截面轮廓线,很好地协调成型效率与制造精度要求。     

基于量子遗传算法的贝叶斯网络结构学习

将量子遗传算法用于贝叶斯网络(BN)的结构学习,对BN结构进行量子编码得到染色体,通过量子变异操作使其作为一个完备的独立解空间进行演化,可快速搜索到全局最优的网络结构。实验结果表明,量子遗传算法用于BN结构学习,可取得很好的效果。     

WSN中MAC层编址技术分析与比较

当前无线传感器网络的MAC层编址技术利用哈夫曼编码的方案缩短了平均地址长度,但需要几轮协商过程。基于网络分簇结构的方案结构清晰,但地址分配不公。基于地理位置信息的方案有助路由,但高精度的位置信息难以获得。针对上述问题,在分析无线环境下地址复用原理的基础上,给出几种典型方案,比较其性能差异和适用范围,给出动态编址需要解决的问题。     

基于贝叶斯网络的大型城市社区消防安全评估模型*

针对大型城市社区的消防安全预控管理问题,分析了国内外消防安全评估的研究现状,提出了一个基于贝叶斯网络的消防安全评估模型,并结合层次分析法对消防安全进行定量评估。该模型利用贝叶斯网络推理反映评估指标之间的条件相关关系,运用层次分析法确定指标权重,有利于提高大型城市社区消防安全评估的客观性、准确性、全面性及智能性,进而改善城市社区消防安全预控管理的预测能力和服务效率,且实验结果证明了该模型的有效性和实用性。     

基于非支配解排序的快速多目标微分进化算法

为解决基于帕累托(Pareto)支配解排序的多目标进化算法高时间复杂度问题,依据非支配解排序潜在特性,介绍了一种快速的非支配解排序方法,每次只处理当前种群中最高等级个体,且在分配等级的同时,能选择个体进入下一代,下一代被选足时即结束程序,减少了排序处理个体的数量,大幅度降低时间复杂度;另外,给出一种均匀的拥挤距离计算方法;最后,将快速非支配解排序和均匀拥挤距离计算与微分进化算法结合,提出基于非支配解排序的快速多目标微分进化算法(FMODE)。采用标准多目标优化问题ZDTl～ZDT4和ZDT6进行仿真实验：当种群个体较多(大于500)时,FMODE所用时间远小于NSGAⅡ;FMODE的总体性能上均优于经典的NSGAⅡ、SPEAⅡ和DEMO;在FMODE框架内,采用均匀拥挤距离在性能上也明显优于经典拥挤计算方法;并通过实验确定了FMODE算法的参数。实验结果表明FMODE能够减少计算等级时的处理时间,并在收敛性和多样性指标上明显优于对比算法。     

基于动态贝叶斯网络的音视频连续语音识别和音素切分

构造了两个单流单音素的动态贝叶斯网络（DBN）模型，以实现基于音频和视频特征的连续语音识别，并在描述词和对应音素具体关系的基础上，实现对音素的时间切分。实验结果表明，在基于音频特征的识别率方面：在低信噪比（0~15dB）时，DBN模型的识别率比HMM模型平均高12.79%；而纯净语音下，基于DBN模型的音素时间切分结果和三音素HMM模型的切分结果很接近。对基于视频特征的语音识别，DBN模型的识别率比HMM识别率高2.47%。实验最后还分析了音视频数据音素时间切分的异步关系，为基于多流DBN模型的音视频连续语音识别和确定音频和视频的异步关系奠定了基础。     

基于贝叶斯网络的混沌时间序列预测

混沌时间序列预测是混沌理论的一个重要方向和研究热点,在气象、水力、经济和通信等各个领域有着广泛的应用。然而,由于混沌时间序列高度复杂的非线性特征,很难从理论上定量研究。利用贝叶斯网络（BNs）在处理不确定知识方面的优势,并结合相空间重构理论,建立了混沌时间序列非线性全局预测模型,实现对其动力学特性分析,从而达到预测目的。实验结果表明：模型具有良好的稳定性和预测能力,并能够有效地克服过拟合现象。     

电子商务环境下基于模糊ISODATA 聚类法的企业风险分类

根据电子商务环境下企业风险的特点，在建立企业风险模糊描述机制的基础上，基于模糊ISODATA聚类法，对企业风险管理的关键问题——企业风险分类进行研究．实例表明该方法是有效的．     

一种用于DM的改进型BN模型生成算法

文章给出一种用于ＤＭ的改进型ＢＮ模型生成算法。它以基于约束的算法来学习ＢＮ结构,而用基于记分的算法来学习给定结构的参数。二者结合能更有效地生成ＢＮ模型。文中给出了相应的实验及在ＤＭ中的应用实例。     

基于浏览偏好挖掘的实时商品推荐方法

在分析了当前推荐技术中各种算法的优缺点和及其存在的主要问题的基础上,提出一种浏览偏好挖掘的实时商品推荐方法。该算法通过分析用户Web游览记录,并使用贝叶斯网预测其浏览偏好,然后将用户偏好与商品特征进行匹配计算进而产生商品推荐。实验表明该方法能为用户提供更为精确有效的个性化推荐。     

基于模糊贝叶斯网络的堆垛机系统可靠性分析

为解决因缺乏实际数据而无法准确估计堆垛机系统和部件的失效概率问题,提出了基于模糊集理论和主观贝叶斯方法的模糊贝叶斯网络诊断策略.该方法首先将故障树转换成相应的贝叶斯网络,然后运用模糊集理论,将专家给出的关于基本事件失效概率的主观语言评判值转换成模糊数,并通过去模糊化处理得到精确解.针对因事件的多态性所引起的条件概率不确定问题,该方法采用主观贝叶斯方法进行估计.通过堆垛机通信模块的可靠性分析实例,验证了该方法是有效的,表明其能够克服在系统建模时的参数不确定问题.