基于贝叶斯网络的证据目标模型及推理算法研究

在一般贝叶斯网络的基础上，提出了E＆D模型和推理算法。E＆D模型在一定程度上简化了贝叶斯模型，更精确地表达了待求解问题的实质。同时采用多线程技术实现其推理算法，加快了推理速度，对同类问题有一定的参考意义。     

贝叶斯网络推理算法在故障诊断中的应用

故障诊断过程中,存在这样或那样的不确定性因素。而贝叶斯网络是不确定知识表达和推理领域最有效的理论模型之一,所以以贝叶斯网络理论为基础进行故障诊断,可以有效地对不确定性知识进行表达,增加故障诊断结果的合理性与准确率。     

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。     

基于贝叶斯网络近似推理的网络脆弱性评估方法

针对大规模计算机网络的脆弱性评估,提出了一种基于贝叶斯网络近似推理的评估方法,对网络各组件和影响网络安全的因素进行建模,采用模型检测工具生成攻击状态转移图,描述网络脆弱性的利用过程,通过采用随机采样的方法对网络的攻击状态转移图进行近似推理,经过对采样样本的统计分析得到网络脆弱性评估的量化结果,为提升网络的安全性能提供理论依据.     

基于动态贝叶斯网络的战斗目标综合推理识别

针对空战战场环境下的目标可靠识别,提出了基于动态贝叶斯网络的战斗目标综合推理识别方法.分析了目标属性的多层次及状态变量关系,提出了层次化的战斗识别动态贝叶斯网络拓扑结构及其参数设定方法,并运用时间片联合树算法进行不确定性动态推理,实现动态的目标属性判断与识别.仿真结果给出了目标的多层次属性信息,验证了模型的有效性.     

基于BP神经网络和贝叶斯推理的雷达辐射源识别

分析了雷达辐射源识别的发展现状和存在的问题,提出了一种基于反向传播(BP)神经网络和贝叶斯推理的雷达辐射源目标识别方法,阐述了BP神经网络和贝叶斯推理的原理,构建了相关的识别模型,通过仿真实验检验了模型的准确性,并提出了其发展前景。     

基于变结构离散动态贝叶斯IP网络拥塞链路推理

针对CLINK算法在路由改变时拥塞链路推理性能下降的问题,建立一种变结构离散动态贝叶斯网模型,通过引入马尔可夫性及时齐性假设简化该模型,并基于简化模型提出一种IP网络拥塞链路推理算法（VSDDB）。利用逐次超松弛迭代算法求解链路拥塞先验概率唯一解,基于贝叶斯最大后验准则,借助加权启发式贪心搜索算法推理拥塞链路集合。实验验证了VSDDB算法具有更好的推理性能。     

基于动态贝叶斯网络的意图分析算法

传统的意图分析方法面临部分方法仅针对单个目标进行静态分析,以及精确推理耗费计算量过大的问题。针对上述问题,提出了一种新的基于动态贝叶斯网络的意图分析算法。该算法以群目标为对象,综合己方意图、交火程度、相对实力和相对速度等多种因素构建动态贝叶斯网络,并根据马尔可夫性实现快速近似推理,进一步通过融合估计得到对方的行动意图。仿真结果表明,该算法对复杂战场环境下群目标的行动意图能够实现动态可靠的评估,辅助支撑作战决策。     

基于贝叶斯网络的战场目标威胁评估

准确地对战场目标的威胁等级进行评估,是战场辅助决策系统的一个重要环节.贝叶斯网是一种进行不确定分析和推理的有效方法.介绍了联合树贝叶斯网络推理算法,分析了战场目标的威胁等级评估涉及的主要因素,建立了相应的贝叶斯网络模型,并进行了实例推理分析,其结果比较准确地反映了目标的威胁程度.     

基于分布式贝叶斯网络的多故障诊断方法研究

针对复杂系统存在的不确定性、多故障以及传统贝叶斯网络诊断实时性差等问题,提出一种基于分布式贝叶斯网络的故障诊断方法。该故障诊断方法将大型、复杂系统故障诊断模型抽象为贝叶斯网络模型,并将其分解为若干贝叶斯网络子系统,基于消息传播机制完成多个子系统局部推理以及子系统间重叠子域紧凑的消息传播,实现分布式贝叶斯网络的故障推理与诊断。实验结果表明,该故障诊断方法可在复杂、不确定性系统中完成单故障和多故障推理、诊断任务,与传统贝叶斯网络故障诊断方法相比,该方法在推理速度上的优势尤为突出,具有广泛的应用前景。     

Bayesian network structure learning algorithm based on hybrid binary salp swarm-differential evolution algorithm

Aiming at the disadvantages of Bayesian network structure learned by heuristic algorithms,which were trapping in local minimums and having low search efficiency,a method of learning Bayesian network structure based on hybrid binary slap swarm-differential evolution algorithm was proposed.An adaptive scale factor was used to balance local and global search in the swarm grouping stage.The improved mutation operator and crossover operator were taken into salp search strategy and differential search strategy respectively to renew different subswarms in the update stage.Two-point mutation operator was adopted to improve the swarm’s diversity in the stage of merging of subswarms.The convergence analysis of the proposed algorithm demonstrates that best structure can be found through the iterative search of population.Experimental results show that the convergence accuracy and efficiency of the proposed algorithm are improved compared with other algorithms.     

基于变分贝叶斯推断的新型全局频谱协作感知算法

为了实现多维动态频谱接入,首先给出了主用户的全局功率谱近似模型,并构建了新型全局频谱协作感知算法的总体流程,以获得主用户网络中占用频段、功率及位置等全局信息。接着利用变分贝叶斯推断技术,设计了相应的模型系数向量估计器。仿真结果表明,该方法采用的近似模型具有较好的准确性,相应的系数向量估计算法具有较高的有效性和收敛稳定性,同时指明了信噪比和泄漏总虚假功率的关系以及两者对均方误差性能的影响。此外,还证明了该方法通过利用系数向量θ的稀疏性,而在均方误差性能上具有较大优势。     

Nonparametric Bayesian dictionary learning algorithm based on structural similarity

Though nonparametric Bayesian methods possesses significant superiority with respect to traditional comprehensive dictionary learning methods,there is room for improvement of this method as it needs more consideration over the structural similarity and variability of images.To solve this problem,a nonparametric Bayesian dictionary learning algorithm based on structural similarity was proposed.The algorithm improved the structural representing ability of dictionaries by clustering images according to their non-local structural similarity and introducing block structure into sparse representing of images.Denoising and compressed sensing experiments showed that the proposed algorithm performs better than several current popular unsupervised dictionary learning algorithms.     

Off-grid DOA estimation algorithm based on unitary transform and sparse Bayesian learning

A rapid off-grid DOA estimating method of RV-OGSBL was raised based on unitary transformation,against the problem of traditional sparse Bayesian learning (SBL) algorithm in solving effectiveness of signal’s DOA estimation under condition of lower signal noise ratio (SNR).Actual received signal of uniform linear array was generated through constructing augment matrix as the processing signal used by DOA estimation.Then,estimation model was transformed from complex value to real value by using unitary transformation.In the next step,off-grid model and sparse Bayesian learning algorithm were combined together to process the realization of DOA estimation iteratively.The accuracy of estimation could made relatively high.The simulation result demonstrates that the RV-OGSBL method not only maintains the performance of traditional SBL algorithm,but also reduces the computational complexity significantly.Under the situation of lower signal noise ratio (SNR) and low number of snapshots,the running time of algorithm is reduced about 50%.This shows the RV-OGSBL method is a rapid DOA estimation algorithm.     

利用动态贝叶斯网络进行多时相遥感变化检测

利用动态贝叶斯网络(DBNs)在处理不同时相遥感数据时可以一次性输入多个时间段的数据,同时完成分类和建立输出类别之间的关联。采用北京东部地区1994年、2001年和2003年5月份Landsat TM遥感数据进行实验,实验结果表明：基于DBNs的变化检测方法是遥感变化检测的一种新的有效方法,在遥感时序数据动态变化分析的研究方面也展示了巨大的发展潜力。     

基于贝叶斯算法的XG-EPON业务感知机制

提出了一种基于贝叶斯算法的XG-PON业务感知机制,该机制采用贝叶斯算法对业务进行分类,以实现高效的业务感知。在此基础上通过OLT与ONU的交互,优化XG-PON的资源分配。对基于贝叶斯算法的XG-PON业务感知机制进行仿真,仿真结果表明该机制能有效降低丢包率并缩短时延,提高了系统对多业务的支持能力。     

用于态势评估的贝叶斯网络研究综述

介绍了态势评估的发展现状,指出了贝叶斯网络用于态势评估的优点,对基于贝叶斯网络的态势评估技术研究的几个主要方面进行了总结和分析,着重探讨了现有态势评估贝叶斯网络中网络构建方法和时间推理技术,指出能充分编码军事领域知识、结合时间语义、能够实现模块化推理的贝叶斯网络是态势评估贝叶斯网络发展的趋势。作为参考,给出了几种贝叶斯网络的常用仿真工具。最后,分析了贝叶斯网络应用于态势评估面临的各种问题并试图给出一个有益的研究思路。