基于故障树的贝叶斯网络建造方法与故障诊断应用

文章首先指出应用贝叶斯网络模型进行设备故障诊断具有的优势,提出了由常用的故障树模型建造贝叶斯网络的方法。然后详细比较了故障树与贝叶斯网络在诊断推理和模型表达方面的特点,并以实例进行说明。     

一种贝叶斯证据框架下支持向量机建模方法的研究

研究贝叶斯证据框架下标准支持向量机和最小二乘支持向量机的估计算法和建模方法，给出一种高斯桉支持向量机估计算法的参数选择和调整方法，将贝叶斯证据框架下支持向量机的建模方法应用于非线性系统的辨识，仿真结果表明，该方法对于工业过程建模是十分有效的。     

基于移动代理的网络故障管理的研究

将移动代理和人工智能技术引入网络故障管理。介绍了人工智能中神经网络、贝叶斯信念网络对于处理故障管理中的告警相关、故障诊断以及故障定位等所具备的优越性,并提出了几种设计思想。     

Application of evidence theory in information fusion of multiple sources in bayesian analysis

How to obtain proper prior distribution is one of the most critical problems in Bayesian analysis. In many practical cases, the prior information often comes from different sources, and the prior distribution form could be easily known in some certain way while the parameters are hard to determine. In this paper, based on the evidence theory, a new, method is presented to fuse the information of multiple sources and determine the parameters of the prior distribution when tile form is known. By taking the prior distributions which result from the infornlation of multiple sources and converting them into corresponding mass functions which can be combined by Dempster-Shafer (D-S) method, we get the combined mass function and the representative points of the prior distribution. These points are used to fit with the given distribution form to determine the parameters of the prior distribution. And then the fused prior distribution is obtained and Bayesian analysis can be performed. How to convert the prior distributions into mass functions properly and get the representative points of the fused prior distribution is the central question we address m this paper. The simulation example shows that the proposed method is effective.     

噪声对贝叶斯频谱估计精度的影响

研究了贝叶斯频谱估计的基本理论和基本方法 ,分别对无噪声和有噪声的简谐正弦信号进行了频谱估计。计算结果显示 :无噪声信号频率估计偏倚为零 ;当信号噪声系数S/N =1时 ,贝叶斯频率估计的偏倚与Jaynes的理论值一致     

数据库信息分类中贝叶斯网络模型的应用

数据库信息分类中 ,朴素贝叶斯分类模型是一种简单而有效的分类方法 ,但它的属性独立性假设使其无法表达属性变量间存在的依赖关系 ,影响了它的分类性能 .而一般贝叶斯网络模型则由于能表达属性变量之间的依赖关系而越来越受到人们的重视 ,但一般贝叶斯网络分类模型结构的学习算法是一个NP完全问题 .本研究在一种简化的贝叶斯网络分类模型的基础上 ,利用其多项式时间复杂度的结构学习算法 ,将其应用于数据库信息分类 ,实现了学习效率和分类精度的一种折衷 .实验结果表明 ,这种分类方法有着比较高的数据库信息文本检索性能 .     

基于遗传算法的贝叶斯网分解

首先定义了贝叶斯网(BN)分解的相关概念,提出了基于遗传算法的BN分解算法(BDGA),给出了BDGA算法的编码和适应度函数的表示方法,设计了BDGA算法的选择、交叉、变异算子,并得到不同种群大小情况下四个贝叶斯网Medianus Ⅰ、MedianusⅡ、Sparse和Dense的分解结果.结果表明BDGA能有效搜索全局最优的BN分解结构,在和Kjaerulff综合的采用10种算法分解这四种贝叶斯网的结果相比,BDGA算法超过10种算法的9个,和模拟退火算法具有同样好的结果.BDGA算法能实现准确求解BN的分解结构,为实现BN的联合树结构上的推理奠定了基础.     

基于多流动态贝叶斯网络的音视频连续语音识别

针对说话时发音和口形的异步问题,提出了一个多流异步动态贝叶斯网络(DynamicBayesian Network,DBN)模型,以实现基于音视频特征的连续语音识别,在这个模型中,音频流和视频流在词节点同步,而在词节点之间,音视频流有各自独立的拓扑结构以及节点变量之间的条件依赖关系,同时词转移节点变量由音视频流共同确定,模型在词级别上体现了音视频流的异步性.采用连续数字音视频数据库的实验结果表明,在信噪比为O～30 dB的测试环境下,比较单流DBN模型和多流隐马尔可夫模型,平均识别率分别提高了8.68%和10.07%.     

动态风险评价指标下的配电侧最优购电分配

针对配电侧在场购电时,很难处理好风险、收益及供电可靠性三个目标函数之间关系的问题,提出衡量配电侧最优购电分配的评价指标.既考虑了对评价指标的主观及客观分析,也考虑了购电时的决策影响和实时变化的动态风险.运用层次分析法、熵权法和贝叶斯方法给出购电分配的指标权重.评价指标下的收益和供电可靠性用升半梯形法作标准化处理,风险则用降半梯形法标准化处理.所建立的模型能科学地处理配电侧购电风险、收益及供电可靠性三个目标函数之间相互影响且相互冲突的关系.     

贝叶斯反卷积在EAST电荷交换复合光谱分析中的应用

电荷交换复合光谱(Charge e Xchange Recombination Spectroscopy,CXRS)诊断是核聚变装置上测量等离子体离子温度和旋转速度的常规诊断之一。然而在实验中,诊断光通过光谱仪后,由于仪器函数的卷积效应,会使测量到的光谱出现明显展宽,影响数据处理的精度,所以需要对实验测量到的光谱进行反卷积处理。本文采用的反卷积方法是基于贝叶斯条件概率公式推导得出,并结合标准灯获取的仪器函数来进行反卷积,分别从仿真和实验两个方面验证了该方法的可靠性。结果表明将贝叶斯反卷积运用到先进实验超导托卡马克(Experimental Advanced Superconducting Tokamak,EAST)电荷交换复合光谱分析中,能有效提高实验测量精度。结合快速极紫外谱仪(Extreme ultraviolet,EUV),对EAST实验中经过贝叶斯反卷积后测量到的光谱进行了杂质谱线识别工作,进一步提高了精度。