基于贝叶斯网络的重介质选煤过程自愈控制

重介选煤工艺由于其基础自动化程度低、操作环境复杂、操作条件波动大、异常工况频繁发生,严重影响了产品煤质和企业的综合经济效益。针对上述问题,提出了一种基于贝叶斯网络的重介质选煤过程自愈控制方案。在深入分析重介质选煤过程中常见异常工况发生原因及相应操作方案的基础上,建立能够提供实时控制决策的贝叶斯网络模型。该模型能够有效地结合定性专家知识与定量数据信息,并遵循后验概率最大的原则获取相应的控制决策,为排除异常工况提供决策依据。仿真结果表明,该方法针对重介质选煤过程中的异常工况,能够提供有效的控制决策,及时排除异常工况,保证生产安全。     

基于贝叶斯网络的网络安全评估方法研究

通过分析贝叶斯网络在计算机网络安全评估中的适用性,提出了一种新的网络安全评估方法。将贝叶斯网络应用于网络安全评估,建立了不依赖于安全漏洞的安全评估模型,引入虚拟主机概念解决多层网络结构的安全评估问题。结果表明,基于贝叶斯网络的网络安全评估方法能够综合考虑网络的特性(即先验信息)和环境(样本信息),减少主观偏见和噪声影响,能够缩短网络安全评估时间,而且易于实现。     

基于贝叶斯网络的通信网络信息安全过滤方法

由于传统方法在通信网络信息安全过滤中应用效果不佳,无法达到预期的过滤效果,提出基于贝叶斯网络的通信网络信息安全过滤方法。首先建立信息分类准则和对话机制,根据通信网络信息流向属性确定信息位置,其次定向接收流向指定位置的通信网络信息,解析网络信息,提取网络信息特征,最后利用贝叶斯网络分类网络信息,完成基于贝叶斯网络的通信网络信息安全过滤。经实验证明,采用改进方法过滤未被成功过滤的垃圾网络信息,可将未被成功过滤垃圾信息比例控制在1%以内,信息过滤速率为1674.26B/s,说明设计方法在通信网络信息安全过滤方面具有良好的应用前景。     

贝叶斯网络在煤矿生产系统安全评价中的应用

文章首先介绍了贝叶斯网络,探讨了事故树转换为贝叶斯网络的算法。然后以煤炭生产系统中的井下大巷运输事故安全评价为例,进行了计算机仿真,并阐述说明了基于贝叶斯网络的煤矿生产系统安全评价方法的优越性。     

基于贝叶斯网络参数迁移学习的电熔镁炉异常工况识别

在贝叶斯网络(Bayesian network, BN)参数学习中, 如果数据不够充分, 将无法建立准确的BN模型来分析和解决问题. 针对电熔镁炉熔炼过程的异常工况识别建模, 提出一种新的BN参数迁移学习方法来改进异常工况识别精度. 该方法可以解决源域BN与目标域BN在结构不一致情况下的参数迁移学习问题. 在实验部分, 首先在著名的Asia网络上对该方法进行了验证, 然后将其应用于电熔镁炉熔炼过程排气异常工况识别BN模型的参数学习. 实验结果表明, 与小数据下建立的目标域BN模型相比, 该方法较大地提高了异常工况识别的准确性.     

基于贝叶斯网络的铝型材挤压过程异常检测

针对挤压机设备异常原因复杂、异常检测精度低、检测方法时效性不足等问题,提出基于贝叶斯网络的铝型材挤压机生产过程异常检测方法。充分利用贝叶斯网络对于解决不确定性问题的优点和挤压机设备运行异常时会体现能耗数据异常的特点。分析挤压过程的能流机制,构建逻辑结构清晰、冗余低的贝叶斯网络结构。以挤压机历史能耗数据作为训练样本,进行仿真实验,可以准确地发现异常并定位导致异常发生的原因。实验结果表明,该方法在实际应用场景中有较强的可操作性,对于挤压机异常检测问题有实际的意义。     

基于贝叶斯网络的数据挖掘方法

常用的数据挖掘方法有许多,贝叶斯网络(Bayesian Networks,BN)方法在数据挖掘中的应用是当前研究的热点问题.贝叶斯网络是一种进行不确定性推理和知识表示的有力工具,当与统计方法结合使用时,显示出许多关于数据处理的优势.首先介绍了BN的定义、方法的优点以及目前网络学习的各种算法,最后用一个实际中的案例进行试验,指出了在数据挖掘技术中的具体应用.得到了将贝叶斯网络应用于数据挖掘当中,充分挖掘数据的隐含信息和内在本质,具备良好地预测能力等优点,实验证明这种方法实用、有效.     

基于贝叶斯网络的网络品牌认知度评价方法

随着电子商务和网络经济的快速发展,网络品牌的不确定信息越来越多,给消费者的选择造成了很大的困扰。考虑到网购消费者普遍存在的重复购买属性以及网络品牌对消费期望的重要性,有必要考虑网络品牌对消费者购物期望的动态影响,探究一种科学有效的评价体系,完成对网络品牌认知度的评价。贝叶斯网络是获取不确定知识的有效方法。介绍贝叶斯网络的优势与特征,论证基于贝叶斯网络进行网络品牌分类的可行性。实验证明通过贝叶斯网络可以有效地对网络品牌进行分类,获取电子商务系统的所需信息,帮助用户进行网络品牌的选择和购买行为的决策。     

基于云贝叶斯网络的目标威胁评估方法

将云模型和贝叶斯网络相结合,形成云贝叶斯网络,并建立了基于云贝叶斯网络的威胁评估模型.首先,根据实际应用背景确定贝叶斯网络结构,并对连续型观测节点进行云模型转换;然后,将观测变量值输入云贝叶斯网络,推理得到目标属于各个威胁等级的概率;最后,为消除目标信息的不确定性对总的威胁度的影响,进行了多次重复推理,通过概率合成公式求得最终的威胁程度.以联合防空作战为背景,仿真实现了空中目标的威胁评估,验证了该方法的有效性.     

使用贝叶斯网络的社交网络信任驱动推荐方法

为处理推荐行为来源复杂、路径多样、不信任陌生推荐等问题,提出一种在社交网络中信任驱动推荐方法。该方法利用贝叶斯网络,计算用户评分的先验概率分布以及朋友之间的联合条件概率,预测用户在该环境下的评分并将推荐给用户。在信任驱动推荐过程中,预测评分既考虑到用户的偏好,也考虑到用户的社会关系;此外,用户的信息交换只限于朋友之间,能够有效保护用户的隐私。实验结果表明,所提出的推荐方法在预测准确率和推荐覆盖率上具有良好的性能。     

基于贝叶斯网络的电力企业人力资源管理稳定评估方法

电力企业人力资源管理稳定评估是融合人员数据稳定测评标准,可对电力企业人力资源管理存在的脆弱性及产生负面影响的可能性进行科学评价。基于贝叶斯网络评估方法,对某沿海电力系统的网络仿真进行了优化。     

基于贝叶斯网络的故障诊断策略优化方法

通过分析设备故障诊断与维修所面临的主要问题以及当前常用诊断策略存在的局限性，研究基于贝叶斯网络的故障诊断策略优化方法。提出了适合于表达诊断问题的基于故障假设一观测一维修操作节点的贝叶斯网络结构，阐述了基于贝叶斯网络的故障诊断策略优化方法的基本思想和优化算法。该方法综合考虑了多故障、有观测操作以及操作之间有依赖关系等情况。最后通过应用实例，证实了该方法在信患不确定条件下进行诊断与维修决策的有效性。     

一种基于贝叶斯网络的模型诊断方法

提出一种结合贝叶斯网络进行基于模型诊断的方法.在基于模型诊断的基础上,建立了元件状态模型,并将诊断模型转换为贝叶斯网络,利用团树算法求解征兆产生时系统状态的后验概率,再通过计算边缘分布获得元件故障概率.最后给出一个数字故障电路的实例,在Matlab上进行推理,得到了精确的概率值,验证了该方法的有效性.     

基于贝叶斯网络的车辆电源系统故障诊断方法

针对车辆电源系统测试点少且测试数据不完备的问题,提出一种多信号流图模型和贝叶斯网络相结合的故障诊断方法。利用多信号流图模型建立电源系统的故障诊断模型,得到系统故障源与测试信号对应的故障依赖矩阵,在此基础上,建立用于故障诊断的贝叶斯网络结构,根据历史数据完成网络的参数学习,并以故障后验概率最大为准则,实现电源系统的故障诊断。仿真实验验证了该方法的有效性。     

基于贝叶斯网络的上下文推荐算法

将上下文推荐系统同贝叶斯网络相结合,提出了一个上下文推荐算法,并设计了上下文资源推荐系统架构。首先利用贝叶斯网络,通过计算用户访问时间和资源信息的联合概率分布来取得用户在该环境下对资源的兴趣,然后比较当前用户所处环境所选取的资源与过去环境用户选取的资源的相似度,从而为用户提供合适的资源列表。最后将所提算法同其他常用的推荐系统算法进行了比较,系统架构按照M/G/1队列进行建模,对系统架构性能和稳定性进行了验证,取得较好结果。     

多模块贝叶斯网络中推理的简化

多模块贝叶斯网络(MSBN)引入了模块化和面向对象思想，是复杂大系统建模的有力工具．目前，如何简化MSBN中局部和全局推理的时空复杂度已成为影响其应用的关键问题．首先分析了用于局部贝叶斯网络推理的两类经典算法的时空复杂度，证明了它们本质上的一致性，并给出了统一的理论解释；进而用实验证明了影响推理复杂度的决定性因素是网络模型相应导出图的导出宽度，并指出了可以精确推理的贝叶斯网络族．最后，分析了降低MSBN全局推理复杂度的可行性，给出了简化MSBN全局推理的指导性原则．     

基于贝叶斯网络的态势估计方法

分析了态势估计的主要功能,提出态势估计系统以事件检测为核心和起点。分析了使用贝 叶斯网络进行态势估计知识表示问题,并对态势估计中的时空知识表示进行了探讨,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。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。     

一种基于贝叶斯网络的个性化协同过滤推荐方法研究

针对推荐系统不能有效进行个性化推荐问题,在协同过滤过程中引入语义校验,通过对基于用户的协同过滤推荐结果进行语义校验,剔除概率较低的推荐结果,选择概率较高的结果推荐给用户,从而实现个性化语义推荐。在构建贝叶斯语义校验网络时,增加用户“喜好”偏好字段,通过问卷调查及信息反馈,确定用户对物品的喜好偏好值,确保贝叶斯语义校验网络的科学性。实验结果表明,本方法能剔除用户喜好度较低的物品,提高用户的满意度。     

基于朴素贝叶斯的网络异常流量攻击行为预测方法

为解决网络异常流量攻击行为预测准确性较低的问题,研究基于朴素贝叶斯的网络异常流量攻击行为预测方法。首先,提取流量特征,对流量进行分类;其次,控制异常流量的攻击,对网络异常流量的攻击行为进行处理与预测,实现对攻击行为的实时监测;最后,进行实验分析。实验结果表明,该方法对于异常流量的预测准确率较高,能够有效地适用于复杂多变的网络流量信息。     

基于贝叶斯网络的分层网络故障诊断

本文以SNMP网络管理模型的管理信息库（MIB）为基础,在不同层次上构建了用于故障判别与定位的贝叶斯网络。对MIB变量采用自适应自回归（AAR）模型建模分析,构建与其相关协议之间的贝叶斯网络,推断协议功能是否发生异常。分析各个协议之间的功能依赖关系,构建协议间的贝叶斯网络,定位协议间的故障根源。考虑网络中故障传播构建了基于网络拓扑的贝叶斯网,定位故障根源节点。最后,对构建的模型进行了实验仿真,并分析了模型的优点和缺点。