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。     

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.     

单趟贝叶斯模糊聚类算法

对于概率模糊聚类,贝叶斯模糊聚类方法表现出良好的聚类性能,它从先验知识和贝叶斯理论的角度出发,采用最大后验概率理论处理模糊划分,进而获取最终的聚类结果.该方法有效地结合了概率论和模糊论两者的优点,较之传统的模糊聚类算法（如FCM算法）,该方法能够获取全局最优解并估计聚类个数.但在大数据时代,该方法较高的时间复杂度限制了它的实用性.针对此问题,首先在贝叶斯模糊聚类中引入加权机制,提出了加权贝叶斯模糊聚类算法;然后将其与单趟聚类框架相结合,提出了面向大规模数据的快速单趟贝叶斯模糊聚类算法,并从理论上对相关性质进行了较为深入的分析.所提出的单趟贝叶斯模糊聚类新算法较之贝叶斯模糊聚类算法在时间复杂度和收敛性上均有着不同程度的性能提升,同时继承了贝叶斯模糊聚类的良好的聚类性能.最后,相关实验结果亦验证了所提方法的有效性.     

模糊元图:一种构造模糊知识库的新方法

在分析了现有模糊图论结构的基础上,对模糊超图和模糊有向图进行扩充,提出一种新的图论结构－模糊元图,并将其应用于飞行器邦联诊断中的模糊知识库构造,实际应用表明,基于模糊元图的知识库具有很高的推理效率,并且便于规则的添加和删除。     

两类模糊推理算法的连续性和逼近性

对Zadeh的模糊推理合成法则(CRI算法)和全蕴涵三I算法(三I算法)是否满足连续性和逼近性问题进行了细致的研究,进一步讨论了这两类算法对逼近误差的传播性能.为此,把模糊推理算法看成是模糊集合到模糊集合的映射,选用海明距离作为两模糊集的距离.证明了在模糊假言推理和模糊拒取式推理情形,这两类算法都拥有连续性.指出三I算法在已知规则的前件和后件是正规集的条件下总是满足逼近性,而CRI算法只有当它满足还原性时才拥有逼近性.在满足逼近性的条件下,两类算法都不会放大逼近误差.结果对构建模糊控制系统和模糊专家系统时选用和分析模糊推理算法有一定的指导作用.     

模糊专家系统中量词的推理方法

分析模糊专家系统包含的隐性知识,即量词在模糊推理过程中的推理难度。根据量词在命题中的位置,将其分为2种情况进行讨论。提出通过查表实现量词推理的方法,阐述2种情况下查询表的建立原理。该方法可以避免模糊推理计算的复杂性。     

一种在线推理模糊控制器算法的设计与实现

通过VC＋＋语言实现在线推理模糊控制器的算法,并以微机过程控制系统为研究对象,将液位传感器采集的信号通过PCI-9111HR系列数据采集卡送于在线推理式模糊控制器,实现对上、下水箱液位的控制,并把这种在线推理式模糊控制和人工控制的结果用webaeeess网际组态软件进行实时趋势曲线比较。实际结果验证了其算法的可行性。     

广义模糊推理与广义模糊RBF 神经网络

在提出广义模糊推理概念的基础上,提出并分析了广义模糊径向基(RBF)神经网络模型,给出了该网络的广义学习算法。仿真结果验证了广义模糊RBF神经网络模型具有良好的函数逼近能力,所提出的学习算法是可行和有效的。     

双枝模糊推理框架

在双枝模糊集基础上,建立了双枝模糊推理框架,它是对单枝模糊推理的合理扩展。从双枝模糊判断句入手,给出双枝模糊推理的基本概念和基本形式,讨论了基于模糊关系的双枝模糊推理和双枝模糊似然推理,以及条件语句的双枝模糊推理模型。这些结果为研究双枝模糊控制奠定了基础。     

基于三维特征参数的贝叶斯推理电路功耗模型

在功耗与信号统计分析的基础上,采用贝叶斯推理技术建立周期精确的功耗宏模型.通过分析信号特征对电路功耗的影响,选择输入信号密度Pin、输入跳变密度Din和输出跳变密度Dout作为贝叶斯推理的三维特征参数,证明了上述特征参数对信号时间和空间相关性信息的覆盖.实验结果表明,该方法较目前的门级功耗分析速度提高400余倍,周期功耗平均误差可以控制在10%以内.     

一种模糊知识库系统及其推理机制研究

介绍了一种具有模糊推理机制的模糊知识系统的基本结构、知识表示和推理机制,阐述了在模糊知识库设计与实现中,模糊推理机构造和工作流程设计的方法。该系统推理机制是基于传统RETE算法的扩展,通过使用相似性方法来处理模糊问题,实现了一种较为理想的不确定性推理;同时系统采用正向和反向推理相结合的双向推理机,使推理具有较高的准确性。最后给出了一个实例验证系统可行性。     

基于贝叶斯推理的目标跟踪

该文描述了基于贝叶斯推理的目标跟踪算法,可应用于非线性、非高斯系统中。介绍了贝叶斯跟踪基本概念。讨论了单目标跟踪算法及在不考虑数据关联、考虑数据关联两种情况下的多目标跟踪算法。给出了每种跟踪算法应满足的假设条件及其递归方程。最后,简要介绍了在工程中应用的具体算法。     

Using the BACC Software for Bayesian Inference

The BACC software provides its users with tools for Bayesian Analysis,Computation and Communications. The current version of the software, describedhere, implements these tools as extensions to popular mathematicalapplications such as Matlab, S-PLUS, R, and Gauss, running under Windows,Linux or Unix. From the user's perspective, there is a seamless integrationof special-purpose BACC commands for posterior simulation and related taskswith powerful built-in commands for matrix computation, graphics, program flowcontrol, and I/O. Examples demonstrate the use of the software within Matlab.Nineteen models are currently available, and many others are planned. BACC isdesigned to be extendible, not only by the developers of BACC, but also byothers who wish to implement their own models and thus make them available toBACC users. While model development requires programming in C, several designfeatures of BACC facilitate this development. BACC is freely available athttp://www2.cirano.qc.ca/bacc/.     

关于模糊PID控制器推理机维数的研究

对一维(1D)至三维(3D)模糊PID控制器进行了系统的分析研究,提出了四项系统功能特性指标来评价不同结构的控制器;这包括控制分量合成,耦合影响,增益相关和规则增长.通过对最常见的二维Mamdani模糊控制器进行分析研究,发现该控制器存在功能缺陷.为此,提出了最优结构的一维模糊PID控制器.该控制器采用了"1D-3D"映射关系的模糊推理机,从而实现了三个控制分量可以独立不相关的调整功能.通过与二维和三维控制器比较结果表明,一维控制器具有最佳系统功能特性.     

热电偶动态响应模型的贝叶斯推断

热电偶对温度激励的动态响应受到测量接点的体积变化、比热容变化等多种因素的影响.为了评价热电偶的动态响应能力,采用气流环境下的阶跃法对热电偶产生温度激励,采集不同温度激励下热电偶的输出数据,得到热电偶的动态响应数据集.采用时间序列分析方法建立了热电偶动态响应的回归模型,用贝叶斯方法进行模型的参数推断.采用马尔科夫链蒙特卡罗法中的杂交蒙特卡罗法抽样,计算参数的后验分布.为了提高抽样效率,使用最大后验估计值为抽样起始点并采用自适应方法调整步长.以一种镍铬镍硅热电偶为评价对象,给出了一个算例.     

模糊联想推理及其实现

本文给出了用模糊联想记忆网络实现肯定前件式,否定后件式或同时包含这两种模糊推理形式的充要条件,并提出了一个增加网络神经元的增强学习算法,这种学习算法能够可靠有效地用于任意多个基于规则的不同形式模糊推理。     

贝叶斯推断在MCDB分布式平台上的实现

提出了应用贝叶斯统计方法在分布式数据库MCDB上处理超大规模数据的实现方法,并以贝叶斯线性回归、话题模型的LDA和狄利克雷过程的聚类算法为例进行了论证.用户可以通过SQL语言定义变量之间的关系进行模拟.探索了一种使用简洁的SQL设计大规模统计学习系统的方法,其利用MCDB能够自动解决并行化和资源优化问题,以获得高性能的并行处理能力.     

一种改进的基于模糊推理的边缘检测算法

针对基于模糊推理的边缘检测算法中存在的边缘模糊、未去除伪边缘、算法优化效果不佳的问题,提出一种改进的模糊边缘检测算法。给出一种模糊化规则,即利用方向灰度对比度确定边缘隶属度值,增加去除伪边缘的规则,使得边缘细化。实验表明,该算法效果优于模糊竞争算法、Pal King算法和其他一些改进的模糊边缘检测算法。     

知识嵌入的贝叶斯MA型模糊系统

模糊系统的独特优势在于其高度的可解释性,然而传统的基于聚类的模糊系统往往需要使用输入空间的全部特征且常出现模糊集交叉的现象,系统的可解释性不高;此外,此类模糊系统对高维数据处理时还会因使用大量的特征而使规则过于复杂.针对此问题,探讨了一种知识嵌入的贝叶斯MA型模糊系统(knowledge embedded Bayesian Mamdan-Assilan type fuzzy system, KE-B-MA).首先,KE-B-MA使用DC(dont care)方法进行知识嵌入的模糊集划分,对模糊隶属度函数中心和输入空间特征的选择进行有效指导,其获得的规则可对应于不同的特征空间.其次,KE-B-MA基于贝叶斯推理使用马尔可夫蒙特卡洛(Markov chain Monte Carlo, MCMC)方法对模糊规则的前后件参数同时学习,所得结果为全局最优解.实验结果表明:与一些经典模糊系统相比,KE-B-MA具有令人满意的分类性能且具有更强的可解释性和清晰性.     

Backward Inference in Bayesian Networks for Distributed Systems Management

The growing complexity of distributed systems in terms of hardware components, operating system, communication and application software and the huge amount of dependencies among them have caused an increase in demand for distributed management systems. An efficient distributed management system needs to work effectively even in face of incomplete management information, uncertain situations, and dynamic changes. In this paper, Bayesian networks are proposed to model dependencies between managed objects in distributed systems. The strongest dependency route (SDR) algorithm is developed for backward inference in Bayesian networks. The SDR algorithm can track the strongest causes and trace the strongest routes between particular effects and its causes, the strongest dependency of causes can be also achieved by the algorithm. Thus, the backward inference provides an efficient mechanism in fault locating, and is beneficial for performance management.