基于贝叶斯网络模型的高校贫困生预测实证分析

贝叶斯网络通过确定变量结点网络结构和参数学习来进行网络模型的概率推理,在样本数据不是过大的条件下能得到较精确的预测结果.从高校统一标准化的各数据平台中选取学生行为数据作为训练样本构建贝叶斯网络并进行参数学习得到推理模型,进而对高校学生的贫困程度进行预测,可以得出预测结果与实际样本对比没有显著差异,实现用数据分析精确判定高校学生的贫困程度水平.     

基于贝叶斯网络的频繁模式兴趣度计算及剪枝

采用贝叶斯网络表示领域知识,提出一种基于领域知识的频繁项集和频繁属性集的兴趣度计算和剪枝方法 BN-EJTR,其目的在于发现与当前领域知识不一致的知识,以解决频繁模式挖掘所面临的有趣性和冗余问题.针对兴趣度计算过程中批量推理的需求,BN-EJTR提供了一种基于扩展邻接树消元的贝叶斯网络推理算法,用于计算大量项集在贝叶斯网络中的支持度;同时,BN-EJTR提供了一种基于兴趣度阈值和拓扑有趣性的剪枝算法.实验结果表明,与同类方法相比,方法 BN-EJTR具有良好的时间性能,而且剪枝效果明显;分析发现,经过剪枝后的频繁属性集和频繁项集相对于领域知识符合有趣性要求.     

基于贝叶斯网络的分层网络故障诊断

本文以SNMP网络管理模型的管理信息库（MIB）为基础,在不同层次上构建了用于故障判别与定位的贝叶斯网络。对MIB变量采用自适应自回归（AAR）模型建模分析,构建与其相关协议之间的贝叶斯网络,推断协议功能是否发生异常。分析各个协议之间的功能依赖关系,构建协议间的贝叶斯网络,定位协议间的故障根源。考虑网络中故障传播构建了基于网络拓扑的贝叶斯网,定位故障根源节点。最后,对构建的模型进行了实验仿真,并分析了模型的优点和缺点。     

贝叶斯网络模型概述

文章对贝叶斯网络分类模型进行了形式化的描述,重点介绍了构造贝叶斯网的三种不同的方式,最后总结了贝叶斯网络的优点.     

基于贝叶斯网的高维数据隐藏模式挖掘

针对当前高维数据隐藏模式挖掘精度较低、执行时间较长,且挖掘过程工作量较大,过程较为复杂的问题,提出了基于贝叶斯网的高维数据隐藏模式挖掘方法.通过有向无环图像与概率表构成贝叶斯网络,分析数据挖掘框架,采用贝叶斯网络对高维数据缩小开销计算,利用信号处理方法提取数据信息特征,对高维数据信息子空间降维,采用自适应级联滤波完成数...     

基于贝叶斯网络的关键链技术研究

软件开发中不可避免地要协调资源、进度与质量之间的关系.提出基于贝叶斯网络的关键链技术,用关键链技术来确定项目的关键路径,对关键路径上的节点建立贝叶斯网络,及时调整不合理的进度计划或预知开发中存在的问题,从而极大地提高了项目的成功率.     

基于贝叶斯网络的本体不确定性推理

运用OWL语言扩展了本体对领域知识的不确定性表示,并基于贝叶斯网络实现了本体领域知识的不确定性推理。实验表明将贝叶斯网络与本体结合起来,能够充分发挥本体在知识描述方面的优势和贝叶斯网络的推理能力,实现依据部分信息的概率描述获取知识,指导实践。     

基于贝叶斯网络的健壮社团检测

健壮社团是复杂网络社团结构中稳定部分,健壮社团发现是非常困难的;提出了一种基于贝叶斯网络推理的健壮社团发现算法,把健壮社团发现问题当做推理问题,构造一个贝叶斯网络,根据结点的度来设置贝叶斯网络相关参数,然后将某些内部联系特别紧密的网络结点设为证据结点,在贝叶斯网络中进行信度传播,得到在已知证据的情况下其余结点属于该健壮社团的概率,最后得到复杂网络中的所有健壮社团;对足球俱乐部网络(115个结点)和随机网络(128个结点)的测试结果表明所提方法能有效地检测出复杂网络中存在的健壮社团,具有较好的应用价值。     

贝叶斯学习,贝叶斯网络与数据采掘

自从50～60年代贝叶斯学派形成后,关于贝叶斯分析的研究久盛不衰。早在80年代,贝叶斯网络就成功地应用于专家系统,成为表示不确定性专家知识和推理的一种流行方法。90年代以来,贝叶斯学习一直是机器学习研究的重要方向。由于概率统计与数据采掘的     

基于贝叶斯网络的电机智能诊断技术研究

发电机系统的大部分运行参数间无严格的逻辑和定量关系,其故障现象与原因及机理之间具有很大的不确定性。因此采用贝叶斯网络推理和诊断具有一定的针对性。本文基于贝叶斯网络对的发电机绕组绝缘状态智能诊断技术进行探讨。     

贝叶斯网络

贝叶斯网络是现阶段处理不确定信息的主流,在很多领域已得到广泛应用,它是基于概率推理的图形化网络,具有一定的概率基础,其拓扑结构包括一个有向无环图和条件概率表,此外,论文详细介绍了贝叶斯网络的推理手段。     

贝叶斯网络推理的研究与分析

贝叶斯网络是人工智能中不确定知识表示和推理的有力工具。介绍了贝叶斯网络的概念,给出一个实例,分析了贝叶斯网络推理的方法和过程。     

基于贝叶斯网络的入侵容忍系统

提出一种基于贝叶斯网络的入侵容忍系统,给出系统的运行流程.用进程特性向量来表示一个具体的进程,并对进程特性进行具体的分类.提出利用贝叶斯网络模型来描述进程的运行过程,给出基于贝叶斯网络推理的进程类型概率值的计算公式,构造了用于确定进程危险程度的危险函数,并用实例说明了对入侵进程的具体识别过程.     

基于贝叶斯网络的遥感数据处理软件

航空航天对地观测系统利用遥感数据获取地表信息的过程中,存在数据误差造成的不确定性和成像时间限制造成的不完整性。针对上述问题该文开发了一款以贝叶斯网络及其相关算法为基础的遥感数据处理软件——BayesNetEX,介绍BayesNetEX的体系结构及使用方法,以三时相北京市TM遥感影像为对象进行变化检测数据处理试验,说明该软件能有效地应用于遥感影像处理。     

一种基于混合遗传的贝叶斯网络分解算法

针对最优贝叶斯网络分解是一个NP-完全问题,提出了一种基于混合遗传贝叶斯网络分解算法PHGA.PHGA算法将进化过程划分为三个不同的阶段,在前期和中期阶段采用较大的种群规模和交叉率,以及较小的群体选择压力,来增强PHGA算法的全局探索能力,避免早熟现象;在后期采用较小的种群规模和交叉率,以及较大的群体选择压力,并引入爬山局部优化算子,以增强群体在进化后期中的局部寻优能力,提高算法的收敛速度.三个标准的贝叶斯网络上的实验表明该算法在最优解方面要优于遗传算法和模拟退火算法.     

基于贝叶斯网络的信息提取技术研究

随着互联网的飞速发展,公开获取可靠信息的不断增加,人们可从网络上获取各种各样的信息资源,这给人们的学习和利用信息带来了极大的方便。同时面对浩如烟海的海量信息,如何在短时间内获取人们感兴趣和有用的信息,成为目前关注的热点。同时信息提取活动是一个复杂的过程,基于此,文中提出了一种利用贝叶斯网络的方法来对信息进行有效提取的方法,得出了贝叶斯网络信息提取模型。通过VC＋＋6．0编程,模拟实现了所提出的方法,实验结果表明该方法是可行的。     

基于贝叶斯网络的步态识别

步态作为一种重要的生物特征由于其远距离身份识别能力而逐渐受到人们的重视。本文提出了一种基于贝叶斯网络的步态识别方法。首先应用背景差方法获得运动人体侧面二值图像,将侧面像分为七部分来提取特征,采用最大方差法对训练集进行离散化,对各部分分别建立贝叶斯网络,最后利用“投票”规则将网络推理结果进行组合。将该方法在Soton步态数据库上进行试验,取得了比较理想的识别效果。     

基于CBR的贝叶斯网络构造

从数据中学习贝叶斯网络往往会因为搜索空间庞大而耗费大量的时间,所以在构造贝叶斯网络的时候,常依靠以前的经验和知识。该文将过去的贝叶斯网络决策模型保存到案例中,定义相似度和背离度两个衡量指标,在构造新模型时,用基于案例推理的方法检索最为接近的案例,从而进行模型的复用,有效地提高建模的效率。     

贝叶斯网络推理的研究与分析

贝叶斯网络是人工智能中不确定知识表示和推理的有力工具.介绍了贝叶斯网络的概念,给出一个实例,分析了贝叶斯网络推理的方法和过程.