一种基于贝叶斯网络的配电网可靠性评估方法

提出了一种基于贝叶斯网络的故障树分析法并应用于配电系统的可靠性评估。该方法能够有效地求解系统中各部件对系统整体可靠性的影响大小,分析系统中的薄弱环节。该方法计算简便,可在此基础上方便﹑灵活地计算配电系统的可靠性指标。通过实例证明了该方法是有效可行的。     

离散模糊动态贝叶斯网络用于无人作战飞机目标识别

为了提高无人作战飞机的自动目标识别能力,文中提出采用离散模糊动态贝叶斯网络,对若干可观测的目标特征参数进行综合推理出目标的类型。推导了离散模糊动态贝叶斯网络的推理算法。建立了目标识别的离散模糊动态贝叶斯网络模型。仿真结果表明,该方法得出的推理结果与理论分析完全一致,而且能够将各种并不显著的目标特征进行综合,使得各种特征及不同时刻的同一特征互相修正补充,克服了依靠单一特征进行目标识别的局限。     

瑞利判据的贝叶斯识别

研究了提高光学仪器与雷达系统的分辨本领的理论与方法。在瑞利判据基础上引入贝叶斯识别的基本理论和基本方法,对含有噪声的2个光点的图像信号进行了分析和估计。提出了一种新的模型识别方法,该方法使得在2个光点的图像完全重合的情况下还能进行分辨。计算机仿真显示,在信号噪声系数S/N=10时,能够识别的2个光点的最小距离小于瑞利判据对应距离的1/5。     

一种基于规则库的贝叶斯网络开发器的设计与实现

贝叶斯网络作为不确定性知识表达和推理的一种方法在很多领域都有着广泛的应用，作者在文中提出了一种根据许多专家提供的规则库进行贝叶斯网络结构学习的新算法，并且通过严密的推理对以往的CPT学习算法进行了一些有意义的改进，进而形成了一个较为完备的贝叶斯网络学习。     

一种基于FMEA的贝叶斯诊断网络

为解决故障模式与影响分析(FMEA)无法定量描述故障模式发生概率的问题,提出了一种基于FMEA的3层贝叶斯网络拓扑结构——CFE(Cause Failure Effect)型贝叶斯诊断网络,利用FMEA中"故障原因"、"故障模式"、"故障影响"间的关系来确定诊断网络的拓扑结构,以表示系统故障间的因果性和层次性,并采用贝叶斯网络诊断决策技术求解故障模式发生的概率,为确诊故障提供理论依据。     

贝叶斯网络在模型诊断中的应用

把贝叶斯网络引入到模型诊断框架中,依据观测量,研究了一种建立系统贝叶斯网络观测模型的方法。利用网络观测模型,可计算系统诊断解的后验概率,从而找出系统最可能的故障组件。最后,以卫星两轴姿态控制系统为例,应用本文方法进行了分析。     

态势评估中的贝叶斯网络模型研究

针对战场态势评估的特点,采用模块化的贝叶斯网络模型对态势问题进行描述,动态构建贝叶斯网络结构．为了解决动态构建贝叶斯网络的推理问题,提出一种新的解决方法,将待连接贝叶斯网络模块的推理结果作为软证据,输入到已有网络对应的节点中,以代替所要连接的贝叶斯网络模块,在不改变贝叶斯网络结构的情况下完成网络的推理过程．仿真实验结果表明该方法是有效的．     

基于贝叶斯网络的土石坝可靠性分析

提出采用贝叶斯网络方法来分析大坝的可靠性问题．首先简要地介绍了贝叶斯网络方法的基本原理和建模方法，将贝叶斯网络方法和故障树方法进行了比较，并给出了故障树向贝叶斯网络转化的基本步骤．定义了贝叶斯网络中节点的重要度因子，并给出了相应的计算公式．最后以土石坝为例，根据土石坝的失效机理建立了土石坝可靠性分析的贝叶斯网络模型，并对溃坝原因进行了重要度分析．结果表明，贝叶斯网络能够有效地进行大坝可靠性分析，它能够更直观地表示大坝失事的因果关系，且贝叶斯网络能够方便地解决共因失效问题．故障树可以方便地转化为相应的贝叶斯网络模型．贝叶斯网络节点的重要度分析结果为制定有效的大坝失事概率控制措施提供了理论依据．     

基于多流动态贝叶斯网络的音视频连续语音识别

针对说话时发音和口形的异步问题,提出了一个多流异步动态贝叶斯网络(DynamicBayesian Network,DBN)模型,以实现基于音视频特征的连续语音识别,在这个模型中,音频流和视频流在词节点同步,而在词节点之间,音视频流有各自独立的拓扑结构以及节点变量之间的条件依赖关系,同时词转移节点变量由音视频流共同确定,模型在词级别上体现了音视频流的异步性.采用连续数字音视频数据库的实验结果表明,在信噪比为O～30 dB的测试环境下,比较单流DBN模型和多流隐马尔可夫模型,平均识别率分别提高了8.68%和10.07%.     

水动力-水质耦合模型污染源识别的贝叶斯方法

环境水力学系统存在诸多不确定性,如测量数据的不确定性等,这导致水体中污染源识别这一类反问题具有不适定性,尤其表现为反演结果的非唯一性.经典的正则化方法和最优化方法由于只能获得参数的"点估计",因而在求解不确定性较强的问题时存在较大的困难.此外水质模型和流场控制方程(Navier-Stokes方程)耦合,使得正问题的解具有较强的非线性特征.为解决上述问题,针对水动力一水质耦合模型,建立了基于贝叶斯推理的污染物点源识别的数学模型,通过马尔科夫链蒙特卡罗(Markov chain Monte Carlo,MCMC)后验抽样获得了污染源位置和强度的后验概率分布和估计量,较好地处理了模型的不确定性和非线性.算例结果表明,结合MCMC抽样的贝叶斯推理方法能很好地描述及求解水动力一水质耦合场条件下的污染源识别反问题.     

对抗性多智能体系统中的规划识别方案

针对当前规划识别限于协作多智能体领域的问题,提出了一种适用于对抗环境下智能体的基于Bayesian网络模型的规划识别方案以识别其他智能体的动作目标．研究了机器人足球的几个典型规划,并利用机器人足球比赛仿真系统进行了测试,仿真结果表明该方案有效地增强了智能体间的协作,提高了球队的获胜率。     

基于贝叶斯网络的元件重要度和灵敏度分析

对于机械系统来说,组成元件的可靠性决定了系统的可靠性,而处于系统结构不同位置的元件对于系统可靠性的影响又存在很大的差异.据此,提出了基于贝叶斯网络的复杂机械系统可靠性组成元件重要度和灵敏度分析的方法,运用该方法不但能计算出机械系统的可靠性指标,而且能方便地给出每个部件或几个部件对系统整体可靠性影响的大小,识别系统的薄弱环节.给出了结合故障树方法建立系统贝叶斯网络模型的方法,并用实例验证了用贝叶斯网络方法进行机械系统可靠性评估以及进行组成元件重要度和灵敏度分析的有效性和优越性.     

基于ICA和神经网络的手写体字符识别系统

探讨独立分量分析在字符识别系统中的应用.在分析图像处理及其特征提取的基础上,提出一种可有效提高字符识别精度、降低误识率的基于独立分量分析和神经网络的手写体字符识别系统.实验表明,提出的字符识别系统与单独基于神经网络的字符识别系统相比,其识别率和适应性优越,适合应用于对字符识别精度要求高的场合.     

基于核贝叶斯压缩感知的人脸识别

为加快人脸识别速度和提高人脸识别率,将贝叶斯压缩感知算法进行核扩展并运用到人脸识别,改进局部特征统计方法,结合空间金字塔模型,用于人脸图像的特征提取。首先用局部特征统计提取图像特征,在此基础上再进行第二层局部统计,然后根据空间金字塔模型分层提取不同空间尺度的特征,最后运用核贝叶斯压缩感知算法分类。在AR和FERET人脸数据库上的试验结果表明,本研究算法相对于传统方法具有更好的性能。     

基于禁忌搜索的贝叶斯网结构学习算法

针对随机搜索机制学习算法参数设置较多的不足,提出了一种基于禁忌搜索的贝叶斯网结构学习算法.此算法首先利用加边、减边、逆向边3个算子产生当前解的邻域,然后结合禁忌表和蔑视准则以引导和限制搜索过程,2个步骤迭代进行,直至达到全局最优解或近似最优解.仿真实验表明,此算法不仅具有结构简单、参数少、易于实现的特点,而且求解质量也能得到保证.     

基于神经网络实现多种数字信号调制方式的自动识别

A．K．Nandi与E．E．Azzouz提出基于决策论的信号调制样式自动识别方法具有简单易行，适合在线分析的优点．本文在该方法的基础上，针对该方法的数字信号调制样式识别进行深入仿真实现，并提出了基于该方法利用正交最小二乘法(OLS)的RBF神经网络实现数字信号调制样式自动识别的方法，最后对计算进行了改进，提高了该方法的识别能力，对SNR为8～20dB的信号识别得到了较好的结果．本文识别的数字信号为2ASK、4ASK、2PSK、4PSK(QPSK)、2FSK、4FSK与16QAM七种信号．     

一种Chirplet神经网络自动目标识别算法

针对飞机目标的自动识别问题,提出一种联合特征提取与分类的Chirplet神经网络方法,实现一维高分辨率距离像的识别。Chirplet神经网络将Chirplet原子变换用于多层前馈神经网络结构的输入层,替换传统的激励函数对距离像序列进行特征提取;网络的分类部分由隐层和输出层组成。在训练过程中调整神经网络权值的同时,完成对Chirplet原子时频参数的自动调整,协调优化特征参数和分类器参数,使Chirplet神经网络同时实现特征提取和目标分类。对4类飞机目标的仿真测试结果表明,相比时频变换和Gabor原子网络等方法,具有四特征参数的Chirplet神经网络方法具有较高的识别率和抗噪性能。     

贝叶斯网络的发展与展望

目前贝叶斯网络在各种领域得到了广泛的应用.对贝叶斯网络进行了综合性的概述,回顾了贝叶斯网络的发展历史,并对该网络当前研究的领域进行了分析和论述.     

几何模式动态贝叶斯网络推理基因调控网络

针对趋势相关(两基因在其表达水平随时间上升与下降的变化趋势上相关)关系在重建基因调控网络中十分重要却尚未被挖掘利用的问题,提出了几何模式动态贝叶斯网络(Gp-DBN)方法．Gp-DBN将每个基因的表达数据转换为一个几何模式,依据几何模式确定潜在的调控子和调控时滞,并通过推理这些几何模式之间的相关关系来发现基因间的调控关系．该方法解决了挖掘具有趋势相关的基因调控关系的问题,能够很大程度地提高重建的基因调控网络的性能．对Yeast和 E. coli基因数据的实验结果表明无论是在无先验知识还是在有先验知识时Gp-DBN重建的基因调控网络的性能都比传统的动态贝叶斯网络方法有大幅度提高．     

高维小采样数据集的贝叶斯网络结构学习算法

现有的贝叶斯网络结构学习算法都需要对高维数据项集进行大量地计算,极大地影响了算法的可靠性、健壮性以及精确度,同时高维计算也耗费了大量时间,为了解决这个问题,提出基于特征选择技术贪婪贝叶斯网络结构学习算法。理论分析表明,本算法在效率上优于现有算法,实验结果也表明,对于高维相对小采样数据集,本算法在精度上也优于大多数算法。