传感器可靠性技术－传感器的故障树分析

介绍了传感器故障树的建立规则，顶事件发生概率及底事件概率重要度的计算方法。     

概率联系数化的原理及其在概率推理中的应用

为创建一种新的概率理论使概率推理更为客观,借助简单随机试验探讨随机性的本质,说明了事件的随机性是2个事物相互联系的一种属性.具有随机性的事件称为随机事件,随机事件A与A珔成对存在,但可以分为主事件和伴随事件,由此导出主概率和伴随概率,它们分别对应于主事件的大数概率和即或概率.用联系数表示这2个概率,该联系数称为联系概率(复概率),联系概率中的i是主事件和伴随事件相互转换的纽带,并且对产生的负概率作了解释,举例说明了联系概率在概率推理中的应用.     

弱稀疏性下的无线传感器网络事件检测算法

为提高弱稀疏性条件下基于压缩感知的无线传感器网络事件检测的可靠性和有效性,提出一种迭代凸优化网络事件检测算法。该方法利用多次凸优化算法共同对弱稀疏性网络事件进行检测,在每次运行凸优化算法后,对已检测出的网络事件进行加权以降低权值,从而有利于其他网络事件在下次凸优化中得到检测。与以往的无线传感器网络事件检测算法相比,迭代凸优化检测算法可在网络事件稀疏性较弱的情况下保证成功检测概率。仿真实验验证了所提算法的正确性。     

低概率事件场景的无线传感器网络构建

低概率事件场景,静态部署的小规模监测网络是较为常见的一类无线传感器应用网络.针对这一类无线传感器网络的特点,从拓扑控制角度出发,基于分层分簇思想,提出了一种固定分簇层次型网络构建方法.该方法采用固定分簇有效节省了一般周期性动态分簇聚类大量能耗,簇内成员节点基于事件概率预测的休眠调度更进一步降低了网络能耗;簇头在簇内的轮换实现了网络能耗均衡;功率控制建立了可靠的多跳路由.仿真性能分析表明:该方法节能效果明显,实施简单,易于应用推广.     

一种虚拟传感器网络中事件监测的容错机制

事件监测是无线传感器网络中的重要应用之一,而准确检测出故障节点是提高事件监测效率的前提。为了实现多应用目标传感器网络中较高的节点故障识别率,在基于簇状树的虚拟传感网架构上,提出一种基于节点邻域中值的事件监测容错算法。该算法充分利用了无线传感网节点之间的空间相关性,融合邻域各节点的测量值,通过节点的数值与邻域中值之间的差值来判断节点状态。仿真实验结果表明,即使是在节点故障概率比较高的情况下,该算法依然具有优越的容错性能。     

基于BDD算法的某系统事故发生概率分析

随着现代武器系统趋于大型化和复杂化,利用事故树进行系统安全性分析日益困难。本文重点研究了基于BDD的FTA优化求解算法,并利用贝叶斯方法研究小样本的独特优势,提出蒙特卡洛仿真方法求解底事件发生概率,进而利用BDD求解系统顶事件发生概率的方法。     

基于概率神经网络的高速公路事件检测

针对高速公路事件检测这一非线性分类问题,提出一种基于概率神经网络的事件检测方法。阐述了概率神经网络的结构与训练算法,分析了事件对交通流的影响规律,并合理地选取了概率神经网络的输入量,用高速公路管理部门提供的样本数据进行了仿真研究。仿真实验表明,基于概率神经网络的事件检测方法具有学习速度快、泛化能力好、检测准确率高等优点,具有良好的应用前景。     

指定概率的随机数发生器

本文提出了编写指定概率的随机数发生器的一个简便方法。利用这种方法,可以方便地模拟随机事件的发生,并可以指定某事件发生的概率或产生服从某种概率分布随机数序列。     

基于关键词语义与作用域扩展的事件检测

针对具有关联要素的中文文本事件检测问题,提出一种新的事件检测算法。采用关联关系分析、关键词语义扩展和关键词作用域扩展等方法,将目标事件包含的所有文本作为一个整体进行关键词匹配。该算法将关键词向量分为2个子向量,依次利用关键词子向量对待检测文本进行关键词语义扩展、关键词匹配和关联关系分析,形成目标事件的文本集并提取事件信息。实验结果显示,在关键词较少的条件下,该算法通过关键词语义扩展提高检测到目标事件的概率,在关键词较多时,通过关键词作用域扩展提高检测到目标事件的概率,可降低漏检率。     

基于条件事件代数的贝叶斯网的逻辑推理

条件事件代数理论在数据融合系统中有着重要的应用前景,该理论可用来解决不确定性、概率性和模糊性推理问题。条件事件代数是在确保规则与条件概率相容的前提下,把布尔代数上的逻辑运算推广到条件事件(规则)集合中的逻辑代数系统。对于一些特殊的贝叶斯网(如多树型网络)已经有了一些可行的概率推理的算法,但到目前为止,还没有可行的逻辑推理的算法。随着对不确定性知识研究的深入,迫切需要具有逻辑推理的算法。论文介绍了乘积空间条件事件代数的定义和基本性质,提出了基于乘积空间条件事件代数的贝叶斯网的逻辑推理的算法以及应用。     

条件事件代数研究综述

综述了条件事件代数理论的原理、主要性质和应用．条件事件代数是一门新兴的解决不确定性、概率性和模糊性推理问题的学科,是在确保规则概率与条件概率相容的前提下,把布尔代数上的逻辑运算推广到条件事件(规则)集合中得到的代数系统,目的是为智能系统中的条件推理建立一个数学基础．该文也对比条件事件代数更一般的逻辑系统——关联事件代数理论进行了介绍．     

面向CPS复杂事件流的不确定性研究

信息物理融合系统CPS获得广泛应用需要解决的一个关键问题是软件中的信息处理部分,而复杂事件处理是CPS中信息处理的核心任务之一。CPS环境下的事件具有异构、分散、海量和不确定性等特征。在CPS实际应用中,因噪声、传感器误差、通讯技术等原因而造成的事件不确定性急需解决。为了解决CPS系统中存在的海量不确定事件流问题,提出一种处理不确定事件流的复杂事件处理方法USCEP,该方法不仅可以实时有效地处理海量不确定事件流,还可以有效计算复杂事件的概率。USCEP对现有RFID复杂事件监测方法 RCEDA进行了改进,提供了历史概率事件查询处理的支持,提出一种事件概率模型进行概率计算,并通过关联查询表来提高效率。实验表明,在处理不确定事件流时,该方法比传统方法具有更好的性能。     

事件库构建技术综述

恐怖事件、突发事件、冲突事件等特定主题事件通常对国家安全带来严重威胁,记录现实事件的事件库在态势感知、风险预警、应急决策等应用中发挥重要作用,事件库构建技术随之发展为内容安全技术的重要组成部分。事件库构建技术是一类实现从海量的非结构数据批量生成结构化事件数据的技术,由于数据环境、表示精度、应用场景的差异,出现了各类构建技术的相关研究。本文详细介绍了事件库的定义、分类和架构,按自底向上输出的数据层次,将事件库构建技术划分为事件检测、事件抽取、事件融合三类关键技术,并分别对其研究现状和进展进行了全面分析,总结了事件库的主要应用领域,最后对事件库构建技术中面临的主要挑战和关键问题进行了探讨。     

C~4ISR中P-坚持CSMA/CD局域网仿真系统设计与实现

网络仿真是分析网络性能的方法之一。为了控制军用网络的响应时间,通过面向对象分析,采用离散事件仿真方法设计并实现了军用网络仿真系统中的一个局域网的仿真。分析了概率P对网络性能的影响。     

Performance evaluation of an importance sampling technique in a Jackson network

Importance sampling is a technique that is commonly used to speed up Monte Carlo simulation of rare events. However, little is known regarding the design of efficient importance sampling algorithms in the context of queueing networks. The standard approach, which simulates the system using an a priori fixed change of measure suggested by large deviation analysis, has been shown to fail in even the simplest network settings. Estimating probabilities associated with rare events has been a topic of great importance in queueing theory, and in applied probability at large. In this article, we analyse the performance of an importance sampling estimator for a rare event probability in a Jackson network. This article carries out strict deadlines to a two-node Jackson network with feedback whose arrival and service rates are modulated by an exogenous finite state Markov process. We have estimated the probability of network blocking for various sets of parameters, and also the probability of missing the deadline of customers for different loads and deadlines. We have finally shown that the probability of total population overflow may be affected by various deadline values, service rates and arrival rates.     

基于贝叶斯网络的复杂事件大数据处理系统测试数据生成方法研究

伴随流式数据处理需求而产生的复杂事件处理技术,在处理具有多样性和流式特征数据方面性能表现突出,被广泛应用于复杂事件大数据处理系统中。针对复杂事件大数据处理系统测试需求,提出一种基于贝叶斯网络的复杂事件大数据处理系统测试数据生成方法,该方法以部分真实数据中的复杂事件结构关系及概率分布特征构建贝叶斯网络预测模型,生成具有真实数据结构特征与分布特征的复杂事件测试数据集。实验结果表明,提出的方法具有可行性。     

RFID复杂事件处理关键技术的研究与改进

RFID复杂事件处理是一个新兴的技术领域,它用来处理大量的简单事件,并从中整理出有价值的事件。RFID事件和传统的事件相比较具有海量性、空间性和时间性、数据不准确性等特征。文中在分析RFID数据特点的基础上,对RFID复杂事件处理的关键技术进行研究和改进,主要介绍RFID数据的清洗和事件检测技术。对于RFID数据清洗部分,提出了多层次过滤的方法使得到的数据更接近真实情况,而事件检测方面则提出了局部检测和全局检测相结合的方法对相关数据进行检测以得到更有意义的数据供上层应用使用。最后,对RFID复杂事件处理的发展趋势做出展望。     

事件关系表示模型

事件关系的表示及事件推理是基于事件的知识处理的核心内容。文章提出了事件影响因子的概念来刻画事件间相互影响的强弱,给出了一种事件影响因子的计算方法。在此基础上,建立了事件关系图ERM(Event Relationship Map)来描述领域中事件之间的关系。依据事件关系和事件要素可以进行事件推理,重点阐述了ERM上基于关系的事件推理算法。最后,做了一个事件关系推理的实验,结果证明所提模型及算法与人的主观判断相一致,是合理可行的。