基于贝叶斯网络模型构造的汽车故障诊断研究

为了解决汽车故障诊断中的不确定性和建模问题,提出了一种基于贝叶斯网络模型构造的故障诊断融合系统架构,设计了基于贝叶斯网络构造的故障诊断算法.这种故障诊断方法利用贝叶斯网络的学习能力和概率推理来应对故障诊断中的不确定性问题的表示和推理,它能够有效地融合领域先验知识和实时传感数据的分布特征,实现故障诊断系统的自适应,并被成功地应用于汽车故障诊断.实验结果表明,新算法为故障诊断提供了准确和可靠的决策依据.     

基于贝叶斯网络的民航突发事件因果关系分析方法研究

针对民航突发事件因果关系无法有效评估与关联分析的问题,提出了一种基于贝叶斯网络的民航突发事件因果关系分析方法。在民航突发事件应急管理领域本体的基础上引入贝叶斯理论,首先通过规则设计实现了领域本体中概念、关系与实例的贝叶斯网络转换,然后采用贝叶斯网络知识合成算法E-IPFP构建贝叶斯网络节点的条件概率表,并通过消息传递机制计算父子节点间的概率关系,获得民航突发事件因果关系的概率分布。采用民航突发事件应急管理领域本体和世界民航事故调查跟踪报告中的案例作为实验数据,给出了民航突发事件因果间关系的分析,为基于大数据的突发事件关联分析与推理提供了方法支持。     

基于贝叶斯网络的不确定性知识处理研究

贝叶斯网络因其在处理不确定性知识方面的优势近来受到数据挖掘等领域的重视。与当前流行的数据挖掘算法包括决策树、神经网络和遗传算法等相比，贝叶斯网络更易于理解，且有很好的预测效果，适用于处理那些本身存在着固有的不确定性的领域。在比较了贝叶斯网络处理不确定性知识的优势的基础上，描述了用贝叶斯网络进行数据挖掘的过程及其主要研究方向，最后对贝叶斯网络的应用领域、研究现状和前景进行了分析和展望。     

一种基于贝叶斯网络模型及多策略计算的本体映射方法

本体是共享概念模型的明确的形式化规范说明,本体映射是实现异构本体之间知识共享、重用的关键技术.结合本体和贝叶斯网络模型以及多策略方法,本文提出一种新的本体映射方法——基于贝叶斯网络模型及多策略计算的本体映射方法MSBN(Mapping based on Multi-Strategy and Bayesian Network).MSBN首先将本体模型转换成贝叶斯网络模型.然后使用多策略方法(Multi-Strategy)计算不同贝叶斯网络模型节点之间的相似度,并为所有节点生成相似度表ST(Similarity Table).最后,使用迭代的映射推理过程,从相似度表中推理出新的映射关系.     

基于贝叶斯网络的电信客户流失预测分析

贝叶斯网络技术的提出为科研人员提供了一种非常好的解决不确定领域推测和分析的方式。由于贝叶斯网络自身特有的直观式属性和完善的数学推理逻辑性,使科研人员看到了该技术在不确定领域的重要应用。通过贝叶斯网络,科研人员能建立对未知项的推理模型,从而得到具有参考意义的预测和分析。对电信客户流失的预测分析也是一个这样的不确定性知识推理领域。本文通过对贝叶斯网络的介绍和对电信客户流失分析的说明,运用贝叶斯网络的机制,构建了相应的电信客户流失模型,并对其进行了预测分析。     

基于贝叶斯网络的博弈融合态势评估方法

贝叶斯网络作为一种知识表示和进行概率推理的方法,在不确定性推理决策问题中得到了广泛的应用.针对态势评估系统需要对大量不确定性知识进行处理的情况,利用贝叶斯网络技术,结合博弈论的思想,提出了一种博弈融合态势评估的新算法,并以一个实例来说明该算法计算过程的可行性,指出了贝叶斯网络在实际应用中存在的问题.     

基于贝叶斯网络的态势估计研究

作为一种知识表示和进行概率推理的框架,贝叶斯在具有内在不确定性的推理和决策问题中得到了广泛的应用.分析了使用贝叶斯网络进行态势估计知识表示问题,提出了构建贝叶斯网络进行态势估计的步骤,分析了态势估计系统事件的层次.最后,给出一个具体的实例,演示了使用贝叶斯网络进行态势估计的过程.     

对一种贝叶斯网络学习算法的改进及试验分析

贝叶斯网络是上世纪80年代发展起来的一种概率图形模型,它提供了不确定性环境下的知识表示、推理、学习手段,可以完成决策、诊断、预测、分类等任务,已广泛应用于数据挖掘、语音识别、工业控制、经济预测、医疗诊断等诸多领域。然而由于贝叶斯网络的推理和贝叶斯网络的学习问题都是NP难的,其实际应用受到很大限制。贝叶斯网络推理是利用它进行决策、诊断、分类、预测等应用的基础,其本质任务是计算边缘概率分布。当网络比较复杂时,推理将变得不可行。多模块的贝叶斯网络(MSBN)从简化模型本身出发,对贝叶斯网络进行了扩展。我们则提出了一种用于MSBN中的近似推理算法,这些都大大拓宽了贝叶斯网络的应用领域。     

CDDL:动态描述逻辑的不确定性扩展

本体(Ontology)是语义Web中共享知识的形式化建模工具,其逻辑基础是描述逻辑.动态描述逻辑(DDL)具有同时表示静态和动态知识的优势.本文针对语义Web需要处理不确定性动态知识的需求,利用云模型对DDL进行不确定性扩展,提出了一种能够有效实现不确定性静态和动态知识进行表示和推理的不确定性动态描述逻辑CDDL.与...     

基于贝叶斯网络的威胁识别

对威胁进行准确识别是威胁评估的重要内容之一,它涉及到许多不确定性因素.贝叶斯网络是处理不确定性知识的有效工具.根据威胁识别与贝叶斯网络的特点,提出了基于贝叶斯网络的威胁识别方法.首先简单介绍了贝叶斯网络及其优点,然后根据一个具体的实例,建立了威胁识别的贝叶斯网络模型,并阐述了贝叶斯网络用于威胁识别的推理流程.通过对实例的计算结果表明,利用贝叶斯网络能够准确识别威胁,并能有效地处理不确定性信息.     

Mining Bayesian networks out of ontologies

Probabilistic reasoning is an essential feature when dealing with many application domains. Starting with the idea that ontologies are the right way to formalize domain knowledge and that Bayesian networks are the right tool for probabilistic reasoning, we propose an approach for extracting a Bayesian network from a populated ontology and for reasoning over it. The paper presents the theory behind the approach, its design and examples of its use.     

Enhancing ontology-based antipattern detection using Bayesian networks

Antipatterns provide information on commonly occurring solutions to problems that generate negative consequences. The antipattern ontology has been recently proposed as a knowledge base for SPARSE, an intelligent system that can detect the antipatterns that exist in a software project. However, apart from the plethora of antipatterns that are inherently informal and imprecise, the information used in the antipattern ontology itself is many times imprecise or vaguely defined. For example, the certainty in which a cause, symptom or consequence of an antipattern exists in a software project. Taking into account probabilistic information would yield more realistic, intelligent and effective ontology-based applications to support the technology of antipatterns. However, ontologies are not capable of representing uncertainty and the effective detection of antipatterns taking into account the uncertainty that exists in software project antipatterns still remains an open issue. Bayesian Networks (BNs) have been previously used in order to measure, illustrate and handle antipattern uncertainty in mathematical terms. In this paper, we explore the ways in which the antipattern ontology can be enhanced using Bayesian networks in order to reinforce the existing ontology-based detection process. This approach allows software developers to quantify the existence of an antipattern using Bayesian networks, based on probabilistic knowledge contained in the antipattern ontology regarding relationships of antipatterns through their causes, symptoms and consequences. The framework is exemplified using a Bayesian network model of 13 antipattern attributes, which is constructed using BNTab, a plug-in developed for the Protege ontology editor that generates BNs based on ontological information.     

Approach to the correlation discovery of Chinese linguistic parameters based on Bayesian method

Bayesian approach is an important method in statistics.The Bayesian belief network is a powerful knowledge representation and reasoning tool under the conditions of uncertainty.Paper,an approach to Bayesian network construction is given for discovering the Chinese Linguistic parameter relationship in the corpus.     

基于贝叶斯网络的隧道围岩失稳风险预警方法

为了对隧道围岩失稳风险做出准确判断,预防围岩失稳灾害的发生,将贝叶斯网络方法应用于隧道围岩失稳的风险预警。在系统分析隧道支护参数影响围岩稳定性的基础上,通过引入基于贝叶斯网的知识表达和相应的不确定性推理原理,构造了隧道围岩失稳风险预警专家系统;并通过工程案例验证了隧道围岩失稳风险预警专家系统好的适用性。贝叶斯网专家系统可以充分利用专家的先验知识和已有案例提供的或概率分布,可以使推理在输入数据不完备的基础上进行,能够有效地实现围岩失稳风险预警。     

干放监控系统软件设计及研究

干线放大器是移动通信网络的重要组成部分,我们主要论述了干放监控系统的软件结构设计方案。针对通信故障的多样性、复杂性、不确定,提出用本体的概念对通信故障进行知识表示和推理,诊断出相应的故障模式,形成专家诊断体系,以达到对设备进行实时监控。     

Medicine expert system dynamic Bayesian Network and ontology based

The paper proposes an application framework to be used for medicine assisted diagnosis based on ontology and Bayesian Network (DBNO). There are two goals: (1) to separate the domain knowledge from the probabilistic information and (2) to create an intuitive user interface. The framework architecture has three layers: knowledge, uncertainty model and user interface. The contributions of the domain experts are decoupled, the ontology builder will create the domain concepts and relationships focusing on the domain knowledge only. The uncertainty model is Bayesian Network and the probabilities of the variables states are stored in a profile repository. The diagnostician will use the user interface feeded with the domain ontology and one uncertainty profile. The application was tested on a sample medicine model for the diagnose of heart disease.     

基于本体不确定性推理的故障诊断

针对航空维修行业内不同角色企业故障诊断知识、系统、资源的分散、封闭、异构等原因导致的故障知识不易共享、重用的问题,采用本体来构建故障知识库;并设计其本体知识模型结构,以表达故障现象与故障结论间存在的不确定性关系;进一步编写相应的推理规则,设计基于本体的不确定性推理系统。以飞机发动机故障诊断为例进行了验证。