基于贝叶斯网络的项目组合风险度量

项目组合的交互效应特性使得项目组合风险不能通过单个项目风险的线性叠加获得。基于贝叶斯网络建模提出了一种项目组合风险度量的新方法。该方法通过将专家知识与K2算法相结合,求得项目组合风险的贝叶斯网络结构,并通过度量交互效应对项目风险的影响计算网络中每个节点的条件概率表,实现项目组合风险的贝叶斯网络推理。为了得到K2算法所需的有序节点输入,计算项目风险间的互信息,并基于互信息与条件独立检验求得项目节点的顺序。最后通过一个高新技术企业项目组合的应用实例说明该方法的实用性和有效性。     

基于EWMA-BN的冷水机组故障诊断策略

为提高冷水机组故障诊断的准确度,本文提出一种基于EWMA-BN的冷水机组故障诊断策略。EWMA-BN模型通过EWMA控制图进行故障检测,以其控制限为阈值将各性能指标的故障数据分为高、低、正常3种状态,通过概率统计获得条件概率表,将条件概率表和由专家知识获得的先验概率表输入BN进行故障诊断。利用实验数据从输入模型的证据节点数量、顺序及完整性等方面分析该模型的故障诊断特性。结果表明:EWMA-BN方法对冷水机组常见故障的诊断效果显著,后验概率值(故障诊断结果)均大于0.85,且输入模型的证据节点越多,故障诊断结果越准确,但证据节点输入模型的顺序对最终故障诊断结果无任何影响;对不确定、不完整信息的利用进一步提高了模型的故障诊断能力。采用ASHRAE Project提供的数据对EWMA-BN模型进行验证,故障诊断结果良好。     

评价网络理论在电力公司反应堆建设决策中的应用

电力公司反应堆建设中的一个决策问题,是如何依据过去经验和试验结果来选取最优的建设方案。评价网络理论（valuation networks）是贝叶斯决策问题表示和求解的新方法。以某电力公司为例,应用评价网络理论,以反应堆建设的决策问题进行分析,给出了决策问题的具体表示和求解的详细过程。     

基于贝叶斯网络的计量服务品质评估

本文在调研南京市溧水区多家企业的基础上,提出了基于贝叶斯网络的计量服务品质评估。首先建立计量品质评估体系,然后将建立好的评估体系转换成贝叶斯拓扑模型,利用得到的数据计算出先验概率并且确定条件概率,最后刷新贝叶斯网络得到最终的概率评估值。本文的目的在于定量的得到服务评估值,对于提高以后的计量服务策略的制定提供了科学的依据。     

基于贝叶斯网络的计算机网络端到端服务故障诊断

研究了利用贝叶斯网络不确定推理技术实现端到端服务故障诊断的方法，详细描述了贝叶斯网络故障诊断模型的建立方法，设计了基于Pearl信念传播机制的故障诊断算法，并对其进行了改进，以提高诊断效果．最后，通过仿真验证了该方法的有效性，并提出了下一步的研究方向．     

基于贝叶斯决策论的自适应舌脉分割方法

提出了一种新型舌脉轮廓分割技术.建立了基于大量已标注舌下图像样本基础上的舌脉颜色模型,该模型由贝叶斯决策论结合CIEYxy颜色空间构成.在舌脉分割过程中,将每次通过阈值化得到的舌脉部分与非舌脉部分作为两个独立的类,它们的类内离散度与类间离散度将用于定义相似性量度,以辅助舌脉分割过程.通过实验证明,该分割方法对舌脉及其背景颜色对比度较小的正常人舌脉轮廓提取有较好效果.     

基于贝叶斯网络的VDT作业疲劳

在分析VDT作业中引起疲劳的各种影响因素时,提出利用贝叶斯网络分析疲劳的方法,建立疲劳先验贝叶斯网络,通过实证研究建立后验贝叶斯网络,利用Netica软件对后验贝叶斯网络模型进行数据分析解释及推理,以期找到影响疲劳的关键因素。     

基于贝叶斯网络直升机操纵系统的故障诊断

该文针对直升机飞行操纵系统的故障诊断,讨论了故障树分析法和贝叶斯网络法的优缺点,提出一种基于贝叶斯网络的故障诊断方法。首先介绍了贝叶斯网络的基本原理,重点讲述了贝叶斯网络的构建方法和故障诊断流程,应用基于贝叶斯网络的故障诊断方法既可以通过操纵系统部件故障率推断系统总故障率,也可以分析操纵系统的薄弱环节,最后通过实例验证了贝叶斯网络法在直升机飞行操纵系统故障分析中的有效性。     

基于贝叶斯网络的机场客流换乘研究

使用贝叶斯网络对机场客流的换乘方式选择和期望换乘方式进行了研究,对起直接作用的影响因素以及这些因素之间的相关性建模分析.结果表明,对机场旅客换乘选择的主要影响因素有:年收入、是否带有大件行李、出发地到机场的费用和花费的时间.轻轨是大部分旅客期望的换乘使用的交通方式.该研究为今后的交通方式选择预测提供了新思路,也为轻轨的建立提供了很好的理论支持.     

基于贝叶斯网络的汽车故障诊断分析研究

贝叶斯（Bayes）网络是基于概率推理的图形化网络、数学模型,针对汽车故障的特点及类型,提出采用贝叶斯（Bayes）网络作为汽车故障诊断分析方法,为汽车故障提供准确和可靠的决策依据。     

基于模糊贝叶斯网络的态势威胁评估模型

针对传感器测量数据的不确定性,提出基于模糊贝叶斯网络的态势威胁评估模型,该模型首先将不确定性数据分为模糊域和概率域两大类,然后在模糊域使用模糊综合评判得到威胁目标的动态威胁度,接着运用可能性概率转换理论将模糊表示的动态威胁度转化成概率域知识,最后在概率知识域使用贝叶斯网络推理算法得到目标的威胁等级.实例计算表明,该方法能够较好的反映威胁源的威胁等级,为武器系统选择跟踪打击目标提供决策依据,具有一定的实用性.     

基于RBF神经网络的低对比度图像自适应增强算法

针对低对比度图像增强问题,提出了一种将直方图修正与RBF神经网络相结合的图像对比度增强算法。首先由原始图像获得与其邻域存在对比度的像素的条件概率直方图,通过调整两个增强参数可以改变条件概率直方图和均匀分布直方图的权重,生成新的直方图对图像进行增强。采用RBF神经网络建立图像特征与两个增强参数之间的非线性映射关系。根据图像本身的特征快速获得增强参数,从而实现图像的自适应增强。该方法计算量小,实时性强,应用范围广,有较强的自适应性。     

基于因果贝叶斯网络的风险建模与分析

为验证基于因果贝叶斯网络的风险建模与分析（CBN based RMA）的有效性,引入4种常见模式简化该方法的结构建模,以降低随后参数建模中专家判断工作量,然后将该改进方法应用于巴基斯坦NEELUM JHELUM水电站隧洞掘进工程风险分析中,有效控制了项目施工风险,获得远超预期的盈利。该案例应用结果表明,改进的CBN based RMA方法具有很强的可操作性,可显著提高工程风险管理效率。     

基于改进混合遗传细菌觅食算法的贝叶斯结构学习算法

针对利用启发式学习算法学习贝叶斯网络时容易陷入局部最优和寻优效率低的问题,提出一种改进的混合遗传细菌觅食优化算法的贝叶斯网络结构学习算法。该算法首先通过遗传算法求得较优种群并作为细菌觅食算法的初始种群;然后利用交叉和变异策略改进细菌觅食算法的复制行为,增加种群多样性,扩大搜索空间;最后通过改进细菌觅食算法的迁移行为的初始化操作更新种群,防止精英个体的丢失。通过种群的迭代搜索最终获得最优的贝叶斯网络结构。实验仿真结果表明,与其他算法相比,该算法的收敛精度和效率有所提升。     

基于贝叶斯网络的用户需求分析方法研究

目的 尝试在设计研究中引入贝叶斯网络分析工具,结合案例的统计数据计算,分析用户需求与行为的映射关系,系统设计快递包装回收的解决方案。方法 通过调查问卷法、观察法、访谈法对用户行为进行数据采集,结合生活方式转变机制模型,运用贝叶斯网络进行用户研究,产出需求理解,指导产品服务系统设计工作的开展。结果 快递包装再设计的产品基础属性、使用便捷性、系统完整程度会在很大程度上影响用户行为可持续性以及设计认同度。结论 通过研究形成了可持续的快递包装使用系统,帮助引导用户可持续行为,从产品全生命周期的理论角度为快递包装回收的产品服务系统设计提供了面向用户研究的全新设计思考方法,证明了贝叶斯网络在用户研究中解决不确定性问题的积极意义。     

基于粗糙集约简的生产成本决策

成本决策是成本管理的重要环节,为了将先进的人工智能方法融入生产成本决策过程中,并使得决策因素最小化,在深入研究粗糙集理论的基础上,提出了一种新的基于区分矩阵的最小属性约简方法,并详细阐述了该方法的含义和性质,以及算法的搜索策略与执行过程,有效解决了任意相容决策表的最小属性约简问题,并结合现有改进的值约简算法,达到了决策...     

基于感性意象和BP神经网络的产品CMF决策模型研究

目的 为实现特定感性意象下的产品CMF精准选定与量化,结合BP神经网络和线性回归提出一种产品CMF决策模型。方法 通过文本挖掘形式确定用户感性意象,根据HSV色彩模型与选定的康复辅具的材质与工艺构建CMF要素空间,并基于设计要素空间形成海量CMF方案,同时根据选定感性意象对方案加以评价,获得感性意象与CMF单一设计要素的定性映射关系。将CMF方案编码后与感性意象评价值结合,并通过BP神经网络以定量方式构建CMF决策模型,筛选出最优色彩区间、材质及工艺。对选中色彩区间再次细分出设计方案并进行评价,通过线性回归得到色彩回归方程,从而构建产品CMF的综合决策模型。结果 以膝关节支具为例进行实例研究,通过BP神经网络构建的一阶CMF决策模型预测值与期望值的均方误差MSE为0.038 13,且预测结果与定性映射关系基本一致,表明该阶模型可信度较高且精度良好。利用线性回归构建的二阶决策模型P值小于0.01,表明H、S、V的数值与感性意象评价值具有显著相关性,证明了该CMF决策模型的可行性。结论 构建的CMF决策模型在产品设计领域具有一定的通用性,能够有效实现康复产品CMF的精准选择与量化,在定性和定量层面指导康复产品CMF决策的优选和创新。     

基于依存分析和贝叶斯网络的无指导汉语词义消歧

采用基于依存分析改进贝叶斯网络的无指导的机器学习方法对汉语大规模真实文本进行词义消歧实验。该学习算法充分利用依存文法分析确定能够对词语词义构成内在限制的上下文,有效地克服了简单贝叶斯分类器中无关上下文造成的噪声影响。实验结果证明基于依存改进的贝叶斯模型在汉语词义消歧上表现良好,开放测试正确率可达86.27％。