基于贝叶斯网络的硬件产品设计缺陷评估

为了预测硬件产品设计研发过程中的设计缺陷,提出利用贝叶斯网络构建产品设计缺陷评估模型。通过故障树建立评估模型的贝叶斯网络结构,利用证据推理方法确定评估模型的概率。研究案例表明,该方法可分析缺陷因素对设计缺陷的影响关系,实现对产品设计缺陷的定量预测,研究结果与实际情况对比具有较好的符合性。     

软件可靠性预测的增强贝叶斯组合模型

针对当前可靠性预测模型的预测精度问题,提出一种增强贝叶斯组合的短期软件可靠性预测模型。该模型以基于小波分解的单个可靠性预测模型作为基本预测模型, 根据当前相邻几个失效时间间隔的预测精度,更新组合模型中各个基本预测模型的权重,解决了贝叶斯组合模型权重计算采用全部历史数据而导致某个基本预测模型权值占主导地位的缺陷,提高了贝叶斯组合模型对软件可靠性的预测精度。实验结果表明,增强贝叶斯组合预测模型的预测精度不仅优于单一的预测方法,而且也优于传统的软件组合预测模型,能显著提高软件可靠性预测的精度和模型对数据的适应性。     

开放式动态网络中可渗透路径预测方法仿真

针对机器学习、生物免疫以及条件概率算法下的三种可渗透路径预测方法存在的空间复杂度高、预测覆盖面小问题,提出基于贝叶斯算法的开放式动态网络可渗透路径预测方法。方法对贝叶斯算法进行描述,并基于贝叶斯算法设计可渗透路径预测方法,分析开放式动态网络可渗透过程,然后对可渗透数据进行采集并处理,提取可渗透特征,建立基于贝叶斯算法的预测模型,实现可渗透路径预测。结果表明,与机器学习、生物免疫以及条件概率算法下的三种可渗透路径预测方法相比,所提方法空间复杂度最低,预测覆盖面最大,最高可达98%。     

基于贝叶斯网络约简的铁路应急决策方法

为了解决决策属性的冗余问题,降低决策推理过程的复杂性,实现在信息不完备情况下铁路应急决策的智能化,基于粗糙集理论与贝叶斯网络提出一种新的铁路应急决策方法。利用基于信息熵的粗糙集知识约简方法提取最小决策信息集,实现对应急态势信息集的约简,从而减少态势网络节点数目,降低贝叶斯网络的复杂性。基于约简后的贝叶斯网络模型实现了铁路应急态势预测的概率决策推理。案例分析表明该方法能够满足铁路应急决策需求以及在信息不完备条件下的有效性。     

Bayes网络在汇率趋势预测中的应用

根据汇率变化特点,设计了一个用贝叶斯网络方法建立的基于消息的汇率预测模型和算法,在实际应用中得到了较高的预测准确度。     

基于贝叶斯Logistic回归的软件缺陷预测研究

在软件开发初期及时识别出软件存在的缺陷,可以帮助项目管理团队及时优化开发测试资源分配,以便对可能含有缺陷的软件进行严格的质量保证活动,这对于软件的高质量交付有着重要的作用,因此,软件缺陷预测成为软件工程领域内一个研究热点。虽然人们已经使用多种机器学习算法建立了缺陷预测模型,但还没有对这些模型的贝叶斯方法进行研究。提出了无信息先验和信息先验的贝叶斯Logistic回归方法来建立缺陷预测模型,并对贝叶斯Logistic回归的优势以及先验信息在贝叶斯Logistic回归中的作用进行了研究。最后,在PROMISE数据集上与其他已有缺陷预测方法（LR、NB、RF、SVM）进行了比较研究,结果表明：贝叶斯Logistic回归方法可以取得很好的预测性能。     

基于贝叶斯网络的信用卡客户价值预测

在阐述贝叶斯网络的特点和学习算法的基础上,利用先验知识选取数据样本的属性变量,通过基于K2算法的贝叶斯网络结构学习和基于极大似然方法的参数学习,建立预测模型并进行银行信用卡客户价值预测。预测结果的正确率和覆盖率表明,贝叶斯网络是信用卡客户价值预测的有效工具。     

基于PCA与权重贝叶斯的工作面煤与瓦斯突出预测

为实现对工作面煤与瓦斯突出快速、准确和动态的预测,提出一种基于主成分分析和权重贝叶斯的工作面煤与瓦斯突出预测方法,通过建立工作面煤与瓦斯突出预测的权重贝叶斯模型进行突出危险性等级预测。利用主成分分析确定预测模型中分类变量权重以提高预测准确性。在此基础上,设计基于相似度的训练样本数据更新方式实现对突出预测模型的有效重构。实验结果表明,与朴素贝叶斯模型和权重贝叶斯模型相比,基于主成分分析和权重贝叶斯工作面煤与瓦斯突出预测方法能快速获得高准确度的突出预测结果,为现场指导矿井工作面安全生产提供参考。     

基于AODE和再抽样的软件缺陷预测模型

为了确切地估计软件缺陷分布,提出了基于AODE和再抽样的软件缺陷预测模型。分析了几种常用贝叶斯分类器的优缺点,以及软件缺陷度量元和再抽样方法,设计了多AODE分类器,该分类器是由多个AODE二分类器组成的。在以上基础上,建立了采用多AODE分类器和再抽样方法的软件缺陷预测模型,实验结果表明,该分类器的分类准确度较常用贝叶斯分类器高。通过收集到的缺陷数据样本比较结果表明,该模型比一些常用贝叶斯模型具有更好的预测准确性和稳定性。     

粗糙集属性约简算法在图像分类研究的应用

基于贝叶斯粗糙集,引入贝叶斯区分矩阵,采用属性的出现频率与属性的长度作为启发因素,并以此给出了贝叶斯粗糙集属性约简的另外一种算法,最后提出了一种基于颜色特征的图像分类模型及其分类算法。用该方法进行图像资源的分类,克服了经典粗糙集不宜处理带有噪声的数据和决策表不协调的分类问题的缺陷,同时又大大简化分类规则,且形成的规则集便于用户理解。完善了近似空间的概念。实验结果表明在处理决策表不协调的图像分类问题,贝叶斯粗糙集方法性能良好,分类准确和高效。     

一种用于机场气象预测的模糊神经网络模型

针对民用机场多因素气象预测问题的复杂性,该文构建出一种基于粗糙集的模糊神经网络模型。采用粗糙集理论约简属性,挖掘潜在规则,在此基础上建立模糊神经网络模型,并根据规则的统计性质和离散化结果初始化网络参数,采用BP算法训练网络。实例验证,该模型在收敛速度与预测精度上优于传统的神经网络模型。     

Three-way decisions with probabilistic rough sets

The rough set theory approximates a concept by three regions, namely, the positive, boundary and negative regions. Rules constructed from the three regions are associated with different actions and decisions, which immediately leads to the notion of three-way decision rules. A positive rule makes a decision of acceptance, a negative rule makes a decision of rejection, and a boundary rule makes a decision of abstaining. This paper provides an analysis of three-way decision rules in the classical rough set model and the decision-theoretic rough set model. The results enrich the rough set theory by ideas from Bayesian decision theory and hypothesis testing in statistics. The connections established between the levels of tolerance for errors and costs of incorrect decisions make the rough set theory practical in applications.     

Prediction of service life of large centrifugal compressor remanufactured impeller based on clustering rough set and fuzzy Bandelet neural network

In order to predict the service life of large centrifugal compressor impeller correctly, the rough set and fuzzy Bandelet neural network are combined to construct the novel prediction model which can give full play to theirs advantages. The attribute reduction algorithm based rough set and clustering method is firstly designed to optimize the inputting variables of fuzzy Bandelet neural network. And then the prediction model based on fuzzy Bandelet neural network is proposed, the Bandelet function is used as the excitation function of hidden layer and is combined with fuzzy theory to improve the prediction effectiveness of the prediction model. The training algorithm of fuzzy Bandelet neural network is designed based on improved genetic algorithm, the improved genetic algorithm introduces the adaptive differential evolution method into the traditional genetic algorithm, which can effectively optimize the parameters of fuzzy Bandelet neural network. Finally, the original 30 input variables of fuzzy Bandelet neural network are reduced to 9 input nodes based on rough set using 500 remanufacturing impellers as research objects. The service life of remanufacturing impeller is predicted based on three prediction models, and simulation results show that the fuzzy Bandelet neural network optimized by improved genetic algorithm has highest prediction precision and efficiency, which can correctly predict the service life of remanufacturing impeller.     

基于粗糙集和动态模糊神经网络的股市预测研究

论文研究基于神经网络的股票预测方法,针对目前存在的问题,通过模糊理论与动态神经网络的结合提出一种更为适合现状的动态模糊神经网络DFNN(Dynamic Fuzzy Neural Network)股票预测模型。首先对采集的股票信息进行属性提取,然后利用粗糙集理论中的信息熵算法进行属性约简、删减冗余信息,最后用约简后的数据作为动态模糊神经网络的输入属性进行训练预测,并在算法模型中运用分级学习的思想,能在一定程度上实现预测某一只股票短期内大致走势的功能。实际操作中更能为股票的多重选择进行推荐,降低投资的风险,有着较高的实用性。     

基于粗糙集与神经网络的故障诊断研究

通过引入粗糙集理论,利用可辨识矩阵约简算法对故障诊断决策表进行属性约简,剔除其中不必要的属性,然后构造改进的BP神经网络作为粗糙集的后端处理机,构造了基于粗糙集与神经网络的故障诊断模型。仿真结果表明,该方法可以有效地减少输入层个数,简化神经网络结构,减少网络的训练时间,在故障诊断中有良好的应用前景。     

基于粗糙集神经网络和信息融合的故障诊断

神经网络是智能故障诊断系统的一种重要的方法。粗糙集理论则是处理不完备信息的一种技术。文中以复杂的人工智能诊断问题为研究对象,系统地论述了基于神经网络、粗糙集、信息融合的智能诊断的理论、方法与实践。其主要方法如下:在故障诊断的神经网络模型的基础上,以粗糙集理论中的信息系统属性值表为主要工具,将复杂的组合神经网络约简并删除其中不必要的属性,克服了网络规模过于庞大和分类速度慢的缺点,并给出了基于粗糙集理论的组合神经网络的模型结构,最后再利用数据融合技术,得出更加精确的结果。一个故障诊断实例证明了该方法的有效性。     

A forecasting method of forest pests based on the rough set and PSO-BP neural network

In order to improve the forecasting accuracy of the occurrence period of insect pests, this paper proposes a kind of forecasting method based on the combination of rough set theory and improved PSO-BP neural network. It takes insect pests of Euphrates poplar forests as the object of study. First, an attribute reduction algorithm of rough set is used to eliminate redundancy attributes. Input factors of the forecasting model of insect pests (temperature, humidity and rainfall) can be reduced from sixteen to eight. Then, particle swarm optimization (PSO) algorithm is improved using the inertia weight, and weights and thresholds of BP neural network are optimized using the improved PSO algorithm. Finally, the forecasting model of insect pests is established using rough set and an improved PSO-BP network. The test results show that rough set theory can effectively reduce the feature dimension and the improved PSO algorithm can reduce the iteration times, with an average accuracy of 94.8 %. This method can provide the technical support for the prevention and control of the insect pests of the Euphrates poplar forests.     

基于粗糙贝叶斯博弈的网络攻防策略

为了解决复杂网络上攻防策略研究中存在的问题,提出了基于粗糙贝叶斯攻防博弈模型的分析方法。扩展传统对象Petri网并在其节点域和变迁域上引入粗糙集理论,定义了网络攻防对峙模型。通过在论域攻防策略集上划分等价类,提出了特征攻击策略集的提取方法。在此基础上定义了粗糙攻防博弈模型(RA-DGM)以及攻防效用函数,并给出了该模型的贝叶斯均衡以及最大攻防策略集的求解算法。该分析方法能够有效缩减博弈分析中策略空间的规模,适合于复杂网络攻防行为研究。实例说明了该模型的正确性及其对冗余信息的处理性能,基于该模型的攻防策略分析方法也更为合理、有效。     

粗糙集属性约简方法在股票预测中的应用研究

针对神经网络在股票预测中遇到的困难,在预测模型中引入粗糙集理论,提出一种基于粗糙集与神经网络相结合的预测方法,并根据基本遗传算法的弱点对其进行了改进。首先,介绍了基于遗传算法的属性约简方法,对各遗传因子进行改进。然后,采用基于改进遗传算法的属性约简方法对模型的样本数据进行约简,删除冗余数据,得到样本输入的最小约简。最后,利用约简后的样本对预测模型进行训练与检验。实验结果表明,该方法具有较高的预测精度,能有效地解决网络结构复杂、学习速度缓慢等问题。     

变精度粗糙集挖掘在丙酮精制中的应用

在标准粗糙集数据挖掘算法基础上,研究变精度粗糙集数据挖掘方法在丙酮精制产品质量预报中的应用,并与标准粗糙集方法、BP算法及Apriori算法进行比较。采用实际丙酮精制生产数据进行实验,结果表明,变精度粗糙集数据挖掘算法的应用效果显著优于BP算法和Apriori算法,相对于标准粗糙集方法也有明显提高,具有一定的实用价值和研究前景。