粗糙集与决策树理论在输电线路巡检中的应用

针对输电线路巡检需求,为了提高巡检的效率,充分考虑了影响输电线路运行状态的各种因素,采用基于粗糙集理论与决策树的数据挖掘方法,建立了输电线路运行状态预测模型,将从输电线路历史异常数据中提取的规则应用于输电线路异常预测,根据预测结果可以制定出科学合理的巡检计划,经过测试样本的验证,该模型有较高的准确率.     

基于最小二乘的输电线路运行风险评估及运行状态预测

摘要：由于输电线路的环境因素和人为因素的影响,输电稳定性和供电可靠性受到一定程度的削弱。在多数研究中,分别分析了风、雷、鸟等单个因素对输电线路的影响,为了探索多因素共同对输电线路运行状态的影响,建立输电线路运行状态评估模型和运行状态预测模型。首先通过对输电线路运行影响因素分析,得到6种关键影响因素;基于马尔科夫链和最小二乘支持向量机算法构建输电线路运行状态评估模型,寻找关键影响因素对的输电线路风险等级;最后基于贝叶斯网络建立输电线路运行状态预测模型,并将关键影响因素输入进行模型验证。结果表明,预测正确率为85.25%,预测模型具有一定的实用性。     

无人机在输电线路巡检中的应用及发展前景

随着经济的不断发展,我国电力事业的进步也非常快速,电网的安全与否会在很大程度上对社会的稳定产生影响,而输电线路的稳定运行能够为电网的安全提供有效保障。无人机是随着电力企业发展而诞生的新型巡检设备,能够有效分担工作人员的工作量,提升工作效率。本文以输电线路巡检的概述为研究基点,论述当前无人机在输电线路巡检中的应用,并展望无人机在输电线路巡检中的未来发展。     

贝叶斯网络模型在反垃圾邮件中的应用

近些年,网络上的垃圾邮件肆意横行,令人深恶痛绝,因此反垃圾邮件就成了亟待解决的问题。而贝叶斯网络理论的研究为反垃圾邮件指出了一个明确方向。贝叶斯推断理论提供一种概率手段,为数据建模提供了个统一的框架,而且它为算法的分析提供了理论基础。本文在对贝叶斯网络分类模型形式化描述的基础上,设计了一个基于贝叶斯分类器的反垃圾邮件模型。实验证明,利用基于贝叶斯分类器的反垃圾邮件模型对邮件进行分类时可以获得较高的准确率和不错的查全率。     

无线传感器网络在输电线路的应用

随着无线通信、集成电路、传感器以及微机电系统等技术的日益成熟,低成本、低功耗的无线传感器网络在输电线路的应用成为了可能。着重分析了目前输电线路存在的一些问题,以及无线传感器网络的特点,并对其应用在输电线路中提出一些看法,希望能够加快无线传感器网络在输电线路中的应用步伐。     

动态贝叶斯网络在水文预报中的应用

贝叶斯网络是目前人工智能中不确定知识与推理中最有效的理论模型之一。提出一种基于动态贝叶斯网络模型理论的水文预报方法。在综合考虑降雨径流成因的基础上,利用领域专家知识构建网络模型,在已有降雨、流量数据的基础上通过计算变量间的条件概率来计算流量发生的可能性。最后,通过渭河流域咸阳至临潼段历时数据进行仿真实验,对仿真结果和该模型进行了分析。     

关于输电线路状态运行检修的探讨

随着社会经济的快速发展,电力逐渐成为人们生活中不可获取的组成部分,相对应的输电线的运行要求也在逐渐提高。为了有效提升输电线路的运行管理,加强对其运行检修已经刻不容缓。本文阐述了输电线路状态运行检修的重要性,对检修主要内容和方式进行了分析,并提出提升输电线路状态运行检修效率的实施策略。     

贝叶斯网络模型概述

文章对贝叶斯网络分类模型进行了形式化的描述,重点介绍了构造贝叶斯网的三种不同的方式,最后总结了贝叶斯网络的优点.     

基于GPS的输电线路巡检

在电力系统中,架空高压输电线路是重要组成部分.为了保证输电线路的稳定安全运行、减少巡检员的工作量、同时为管理人员提供有效的监督依据,文中开发了基于GPS的输电线路巡检系统,该系统由终端手持机和后台管理系统组成,集卫星定位系统(GPs)、计算机通信技术和手持式处理终端于一体,具有低成本、操作方便、使用时间长等特点.该系统具有安排线路、记录数据、监督工作状态.汇总数据等功能,同时实现了无纸化办公以及巡检标准的规范化.     

贝叶斯神经网络在股票时间序列预测中的应用

针对BP神经网络初始权值随机获取所导致的易陷入局部最优的问题,采用贝叶斯正则化（Bayesian Regularization,BR）算法改进传统BP神经网络模型。该算法在保证网络误差最小的前提下,通过历史数据的先验概率调整BP模型的适应度函数,使网络的泛化能力得到提升。在股票时间序列预测的实证性研究中表明,比传统BP模型在预测精度上提高42.81%。     

基于贝叶斯网的知识图谱链接预测

结合外部知识,使用特定方法进行知识图谱的链接预测,即知识图谱中缺失信息的发现和还原,是目前知识图谱领域研究的热点和关键。以电子商务应用为背景,基于已经构建好的描述用户兴趣的知识图谱,结合外部数据集,以贝叶斯网这一重要概率图模型作为不同商品之间相似性及其不确定性的表示和推理框架,通过对商品属性进行统计计算,构建反映商品之间相似关系的贝叶斯网,进而基于概率推理机制,定量地判断商品节点与用户节点之间存在链接的真实性,得到真实和完整的知识图谱,为个性化推荐和关联查询提供依据。建立在真实数据上的实验结果表明,提出的模型和算法是有效的。     

基于贝叶斯网络预测克隆代码质量

针对软件中克隆代码的质量进行研究,评价软件当前所有版本中克隆代码的质量。在此基础上使用贝叶斯网络训练已有样本数据,得到克隆代码质量预测模型,其能预测软件未发布版本中克隆代码的质量,根据评价和预测结果给开发人员提供克隆代码重构和有效复用的建议,防止有害克隆代码的大量繁殖。 实验表明,该方法能够较准确地预测软件中克隆代码的质量。     

延迟深度回声状态网络及其在时间序列预测中的应用

为提高回声状态网络对于时间序列预测问题的处理能力, 本文提出了一种延迟深度回声状态网络构造方法.该方法将多个子神经元池顺序连接, 每两个相邻的子神经元池之间嵌入了一个滞后环节.由于滞后环节的存在,该网络可将长时记忆任务转化为一系列短时记忆任务, 从而简化长时依赖问题的求解, 同时降低神经元池的构建难度.实验表明, 该网络具有强大的短时记忆容量, 对初始参数有较好的鲁棒性, 对时间序列预测问题的处理能力也比常规回声状态网络有显著提高.     

基于VB的提升机运行状态网络发布

文章采用VB语言设计制作了提升机运行状态网络发布软件,进行了服务器的设置,实现了浏览器对服务器的访问。     

基于贝叶斯网络增强预测模型的人脸多特征跟踪

人脸多特征跟踪是当前计算机视觉中的一个难题，其中一个难点是需要尽可能准确地预测出下一帧中人脸多个特征轮廓的位置。提出了一个基于多重提示预测模型的跟踪算法，将基于二阶自回归过程的动力学模型的快速性特点与基于图模型(贝叶斯网络)动力学模型的准确性特点结合起来，得到融合的预测结果。多重提示的预测模型与观测模型可以方便地集成在卡尔曼滤波框架中。实验结果表明本文算法可以较准确地同时跟踪具有丰富表情的人脸多个特征。     

A Multicue Bayesian State Estimator for Gaze Prediction in Open Signed Video

We propose a multicue gaze prediction framework for open signed video content, the benefits of which include coding gains without loss of perceived quality. We investigate which cues are relevant for gaze prediction and find that shot changes, facial orientation of the signer and face locations are the most useful. We then design a face orientation tracker based upon grid-based likelihood ratio trackers, using profile and frontal face detections. These cues are combined using a grid-based Bayesian state estimation algorithm to form a probability surface for each frame. We find that this gaze predictor outperforms a static gaze prediction and one based on face locations within the frame.     

配电网输电线路故障定位的快速提取方法

为了快速锁定配电网输电线路故障发生的位置,针对配电网输电线路的分布参数特性,提出了一种从配电网输电线路暂态过程中提取准确的电流和电压基波的快速提取方法,并利用双端非同步算法定位故障。仿真结果表明,与单周期傅立叶方法的结果相比,该方法具有良好的定位精度和稳定性。该方法可以有效提高暂态过程中故障定位的精度,使定位结果误差小于0.5％。     

贝叶斯网络在SoC事务级验证平台中的应用

在越来越复杂的SoC芯片设计过程中,功能验证已成为芯片设计周期中最主要的瓶颈;采用人工智能算法在功能覆盖率指导下自动生成随机激励的方法已成为该领域的研究热点;针对贝叶斯网络强大的不确定性概率推理和数据分析能力以及事务级验证平台的特点,采用贝叶斯网络来自动分析验证平台中的事务配置参数和功能覆盖率统计数据之问的不确定关系,提出了一种改进的功能覆盖率驱动验证平台;与传统的约束随机验证平台相比,能快速达到覆盖率目标,缩短验证周期.     

Temporal Bayesian Network of Events for Diagnosis and Prediction in Dynamic Domains

In some domains like industry, medicine, communications, speech recognition, planning, tutoring systems, and forecasting; the timing of observations (symptoms, measures, test, events, as well as faults) play a major role in diagnosis and prediction. This paper introduces a new formalism to deal with uncertainty and time using Bayesian networks called Temporal Bayesian Network of Events (TBNE). In a TBNE each node represents an event or state change of a variable, and an arc corresponds to a causal-temporal relationship. A temporal node represents the time that a variable changes state, including an option of no-change. The temporal intervals can differ in number and size for each temporal node, so this allows multiple granularity. Our approach is contrasted with a Dynamic Bayesian network for a simple medical example. An empirical evaluation is presented for a subsystem of a thermal power plant, in which this approach is used for fault diagnosis and event prediction with good results. The TBNE model can be used for the diagnosis of a cascade of anomalies arising with certain delays; this situation is typical in the diagnosis of medical and industrial processes.