朴素贝叶斯及其在装备保障能力评估中的应用

全面、客观,准确地进行装备保障能力评估,对于我军装备战斗力形成与保持及指挥决策有着重要意义.针对现有装备保障能力评估指标体系中独立性原则,结合朴素贝叶斯独立性假设,提出将加权朴素贝叶斯应用于装备保障能力评估中的研究.以保障能力评估值为类变量,以指标要素为属性变量,通过样本训练,得到各属性加权值,构造出成熟的分类器以供调用.通过实验,证明其可行性,为装备保障能力评估提供参考.     

基于贝叶斯网络的WSNs链路质量评估机制研究

在无线传感器网络(WSNs)应用中,链路质量的有效评估是保障数据可靠传输和上层网络协议性能的基础性问题.针对现有无线链路质量评估研究中,链路质量等级划分仍无统一标准和模型缺乏环境自适应性问题,提出了一种基于贝叶斯网络的链路质量评估机制.从链路质量多属性角度出发,采用贴近度分析法对链路质量等级进行划分,利用贝叶斯网络对链路质量进行不确定性推理与评估建模.通过多应用场景的训练与测试,最后实际测试表明:基于贝叶斯网络的评估模型在不同应用环境具有较高准确率和泛化能力,体现了良好的自适应性.     

装备保障体系建模与仿真关键技术研究

为解决装甲装备体系保障能力生成的关键技术难题,针对现有需求和装备保障体系仿真中心建设的实际情况,以装甲机械化部队为主要研究对象,论文主要研究内容包括:描述了装备保障体系概念,构建了装备保障体系结构框架;总结了适合装备保障体系的建模与仿真方法,采用分层建模、基于多Agent和基于UML的体系建模方法,建立了装备保障体系模型,并对模型进行了仿真;借鉴霍尔三维结构,建立了装备保障体系评估对象维、评估指标维和评估目标维,进行装备保障体系效能评估;通过研究,初步明确了装备保障体系的内涵,明确了适合装备保障体系的建模与仿真方法,具备一定的实用性和可操作性,能够为进一步推进装备保障体制改革、完善综合保障体系、创新保障模式、增强综合保障能力提供有力的理论支撑。      

基于贝叶斯网络分类器的产品故障率分类研究*

针对装备在不同配置及使用环境的条件下运行的故障率等级差异,详细介绍并分析了现有各贝叶斯分类器的特点和构建算法。在此基础上,提出了基于贝叶斯网络的产品故障分类模型建模方法用于指导实际分类任务的模型建立和应用。通过法国某装备生产企业的实例分析,实验结果证明在所有的贝叶斯网络分类器及传统的决策树C4.5分类器中,树型朴素贝叶斯分类器能够取得最好的分类效果,并为后续的维修资源配置及产品运行能力优化提供有效的理论支持。     

武器装备战时持续保障能力评估

武器装备持续保障能力评估是战时装备保障的一个重要问题,它涉及的因素很多,目前还没有统一的方法.通过对装备保障及其保障能力评估的有关问题进行讨论,探索一种可行的武器装备持续保障能力评估的思路.首先给出了装备持续保障能力和装备保障效能的概念,对装备保障能力和保障效能进行了区分,然后研究了战时装备持续保障能力评估指标并以此为基础建立了评估模型,最后以某型作战飞机作战过程中的持续保障为例,对武器装备战时持续保障能力评估模型进行了实际工程验证.     

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.     

装备保障能力评估方法综述

装备保障能力评估是提升武器装备战备完好率的重要手段,能有效地促进装备保障能力建设的科学发展和部队战斗力的提升;文章首先介绍了装备保障能力相关理论的发展情况,整理了装备保障能力评估的基本思路,然后从多元统计理论、不确定性理论、多属性评估法、数据挖掘技术、交叉学科理论及组合模型等方面介绍了当前评估方法的发展现状,梳理和总结了各方法的建模基本思想并比较其优缺点,结合研究现状指出了评估理论存在的问题,最后对下一步研究方向进行了归纳。     

基于改进贝叶斯正则化BP神经网络的测试性评估技术研究

测试性评估是整个测试性设计工作的关键环节,能够反映设计方案的正确性、识别设计缺陷以及检验设计要求;针对当前有效评估手段的缺乏,本文提出了一种新的测试性评估方法;在建立测试性评估指标体系的基础上,利用BP网络解决非线性问题的优势,建立了评估模型,同时采用贝叶斯正则化(BR)训练方法,提高网络的泛化能力,并提出带自适应变异的质心量子粒子群(AMCQPSO)算法,以优化BP网络初始权值和阈值,以提高评估模型结果的准确度;经实验验证,评估方法具有较高的准确性和实用性,能够更好地为装备测试性设计服务.     

基于贝叶斯网络的军事工程毁伤评估模型研究

应用贝叶斯网络理论在解决不确定性事件方面的推理优势,提出了基于贝叶斯网络的军事工程毁伤评估新方法。根据军事工程毁伤评估的系统特征与要求,提出了分解、转换、综合的系统建模规则,并引入贝叶斯网络原理,建立了运用贝叶斯网络进行军事工程毁伤评估系统建模的分析框架;在确定军事工程毁伤评估网络节点变量的基础上,以仿真计算数据为样本,确定网络结构和网络参数,寻找隐含的概率依赖关系和知识表达,构建军事工程毁伤评估置信模型。通过实例验证了用贝叶斯网络进行军事工程毁伤评估与推理的有效性。     

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。     

基于贝叶斯网络模型的电子装备故障诊断研究

针对电子装备故障的层次性、相关性、不确定性特点,结合贝叶斯网络在处理不确定性问题上的优点,提出了电子装备故障诊断的贝叶斯网络方法;研究了基于故障树分析和故障模式、影响、危害度信息的贝叶斯网络模型建立方法,分析了贝叶斯网络的故障预测和推理原理,确立了各底事件对故障诊断的重要度,形成了故障诊断的合理顺序,通过实例验证了上述方法的可行性和有效性;研究成果对复杂电子装备的故障诊断有借鉴意义。     

基于粗糙集和贝叶斯网络的作战效能评估

针对部队作战不确定因素多、建模复杂的特点,提出一种作战行动效能的评估模型。运用粗糙集理论除去冗余的评估指标,降低朴素贝叶斯分类器的时空复杂度。给出该模型的评估算法步骤,通过贝叶斯网络的参数学习,将不同数据类型的评估指标统一在类条件概率分布中,既保证了评估的客观性,又较好地表达出作战过程随机性的特点。实例研究表明,将该方法用于作战行动效能的评估是可行的。     

机载光电系统目标威胁估计的模糊贝叶斯网络方法

针对机载光电传感器系统所能够提供的目标特征信息,提出利用模糊贝叶斯网络理论建立目标威胁估计模型来辅助决策者进行威胁判断.模型首先研究了机载光电传感器所能提供的目标特征及其对威胁程度的影响;然后选取合适的特征值并利用模糊理论方法对其进行模糊划分,从而建立了目标威胁估计的模糊贝叶斯网络模型,最后通过贝叶斯网络推理算法获得目...     

面向可信软件的风险评估方法

风险管理逐渐成为开发高质量软件过程中的重要的组成部分。风险评估作为风险管理的重要活动之一,是风险控制的前提。贝叶斯网络作为风险管理的有力工具之一,是处理不确定性的有效方法。结合贝叶斯网络与模糊理论,提出一种风险评估方法,首先使用贝叶斯网络对影响可信软件的风险因素进行风险概率评估,然后利用模糊综合评价法进行风险综合影响评估。该方法用于软件项目的风险评估,为开发高质量的可信软件提供新策略。     

动态贝叶斯网络在战术态势估计中的应用*

针对战术态势估计的特点和要求,分析和建立了应用于态势估计的动态贝叶斯网络模型。该模型以离散变量集为研究对象。由于该动态贝叶斯网络满足Markovian特性和平稳特性,降低了网络的复杂度。相比较于贝叶斯网络模型,该动态贝叶斯网络模型考虑了时序因素,将前时刻的态势因素作为当前时刻态势估计的证据的一部分,并能对下一时刻的态势进行预测。文中采用集树（junction tree）算法,利用相关的贝叶斯网络推理软件进行了实验,实验结果表明基于动态贝叶斯网络的估计结果较贝叶斯网络的估计结果好,验证了该模型的有效性。     

Overview on Bayesian networks applications for dependability,risk analysis and maintenance areas

In this paper, a bibliographical review over the last decade is presented on the application of Bayesian networks to dependability, risk analysis and maintenance. It is shown an increasing trend of the literature related to these domains. This trend is due to the benefits that Bayesian networks provide in contrast with other classical methods of dependability analysis such as Markov Chains, Fault Trees and Petri Nets. Some of these benefits are the capability to model complex systems, to make predictions as well as diagnostics, to compute exactly the occurrence probability of an event, to update the calculations according to evidences, to represent multi-modal variables and to help modeling user-friendly by a graphical and compact approach. This review is based on an extraction of 200 specific references in dependability, risk analysis and maintenance applications among a database with 7000 Bayesian network references. The most representatives are presented, then discussed and some perspectives of work are provided.     

基于贝叶斯网络的工业系统维护模型研究

为解决工业系统维护中的设备维护的预知性、适时性和合理性等问题,提出一种基于贝叶斯网络的工业系统维护模型。详细分析并介绍了建立系统维护模型的过程,利用贝叶斯网络解决不确定性问题的优势对问题推理、分析与定位,效果较好。通过应用示例,证明贝叶斯网络模型对工业系统维护实施,维护决策具有有效的指导作用。     

A continuous variable Bayesian networks model for water quality modeling: A case study of setting nitrogen criterion for small rivers and streams in Ohio,USA

We present a continuous variable Bayesian networks modeling framework that integrates the graphical representation of a Bayesian networks model with empirical model-developing approach. Our model retains the Bayesian networks model's graphical representation of hypothesized causal connections among important variables and employs conventional statistical modeling approaches for establishing functional relationships among these variables. The modeling framework avoids discretizing continuous variables and the resulting models can be updated over time when new data are available or updated using local data to develop a site-specific model. We illustrate the modeling approach using a data for establishing nutrient criteria in streams and rivers in Ohio, U.S.A.     

基于非确定性推理的网构软件服务质量动态评估方法

提出了网构软件环境下一种基于非确定性推理的构件服务质量动态评估方法.该方法基于贝叶斯网络,其主要特点在于考虑了用户对构件的QoS需求,可以预测在用户多种QoS需求下采用分级策略的构件服务能力,支持评估模型的动态更新,提高了评估结果的准确性.在自主开发的服务协同总线(Once-SCB)平台上进行了应用与验证,结果表明,该评估模型准确、有效,可以在用户多种QoS需求下为其选择最为合适的构件.     

An investigation of neural networks for linear time-series forecasting

This study examines the capability of neural networks for linear time-series forecasting. Using both simulated and real data, the effects of neural network factors such as the number of input nodes and the number of hidden nodes as well as the training sample size are investigated. Results show that neural networks are quite competent in modeling and forecasting linear time series in a variety of situations and simple neural network structures are often effective in modeling and forecasting linear time series.Scope and purposeNeural network capability for nonlinear modeling and forecasting has been established in the literature both theoretically and empirically. The purpose of this paper is to investigate the effectiveness of neural networks for linear time-series analysis and forecasting. Several research studies on neural network capability for linear problems in regression and classification have yielded mixed findings. This study aims to provide further evidence on the effectiveness of neural network with regard to linear time-series forecasting. The significance of the study is that it is often difficult in reality to determine whether the underlying data generating process is linear or nonlinear. If neural networks can compete with traditional forecasting models for linear data with noise, they can be used in even broader situations for forecasting researchers and practitioners.