Extending the Relational Model to Deal withProbabilistic Data

According to the soundness and completeness of information in databases, the expressive form and the semantics of incomplete information are discussed in this paper. On the basis of the discussion, the current studies on incomplete data in relational databases are reviewed. In order to represent stochastic uncertainty in most general sense in the real world, probabilistic data are introduced into relational databases. An extended relational data model is presented to express and manipulate probabilistic data and the operations in relational algebra based on the extended model are defined in this paper.

基于PRM的水体富营养化风险分析建模

从信息的知识发现角度出发,提出基于概率关系模型(PRM)的水体富营养化风险分析建模方法。该建模方法利用多关系数据的存储结构和存储内容对数据进行学习与挖掘,构建具有网络拓扑结构的PRM模型。示例分析结果表明,PRM模型易于解释与分析水体中各种影响因素间的相关性,该建模方法可通过分析历史数据发现水体富营养化的潜在风险,为库区水环境管理与水污染防治提供科学依据。

基于贝叶斯网和RoBERTa的文本派生关系挖掘方法

对不实信息进行溯源分析是抑制社交网络中不实信息传播的重要手段,传统数据溯源方法主要针对结构化数据,难以准确判断文本之间的派生关系。针对这些问题,提出一种基于贝叶斯网和RoBERTa的文本派生关系挖掘方法,通过RoBERTa模型获得文本向量;通过RoBERTa模型初步预测文本间的派生关系,得到文本是否具有派生关系的分类标签;基于向量距离、文本距离、时间跨度和文本分类标签构建贝叶斯网,对文本派生关系进行判断。实验结果表明,所提方法查准率、查全率、F 1值均高于对比方法,验证了该方法的有效性。

一种从不完备关系数据中学习PRM的方法

现有的关系学习研究都是基于完备数据进行的,而现实问题中,数据通常是不完备的.提出一种从不完备关系数据中学习概率关系模型(probabilistic relational models,简称PRMs)的方法——MLTEC(maximum likelihood tree and evolutionary computing method).首先,随机填充不完备关系数据得到完备关系数据.然后从每个随机填充后的数据样本中分别生成最大似然树并作为初始PRM网络,再利用进化过程中最好的网络结构反复修正不完备数据集,最后得到概率关系模型.实验结果显示,MLTEC方法能够从不完备关系数据中学习到较好的概率关系模型.

基于三维断层源的概率地震危险性分析——以马边-盐津断裂为例

以马边盐津断裂为例,旨在建立一种基于三维断层源的概率地震危险性分析方法。首先,根据马边-盐津断裂带的断层源模型,通过地震矩平衡原理和潜在震源区发生率转换两种途径分别建立了断层源模型的震级-频度关系,其中地震矩平衡原理综合考虑了特征地震模型和G-R模型两种震级频度关系,采用Openquake软件计算了断裂附近基于4种适用于断层源的地震动预测模型的未来50年地震危险性结果。结果表明,纯面源、断层源方案一和断层源方案二地震危险性依次增大,且采用不同的衰减关系所得结果存在一定离散性;两种基于断层源的计算结果均表明目前对地震危险性的估计偏低。该结果可对未来三维断层源的地震危险性分析工作提供一定的参考。

一种概率关系数据库系统

传统关系模式不适合处理不确定性信息，为处理不确定信息，该文基于元组属性间的联合概率，定义了概率关系及几种基本的概率关系操作和关系代数，提出了概率函数依赖关系的概念，给出了一种概率关系数据库模式及代数.

结合似然关系模型和用户等级的协同过滤推荐算法

针对传统协同过滤推荐算法的稀疏性、扩展性问题,提出了结合似然关系模型和用户等级的协同过滤推荐算法.首先,定义了用户等级函数,采用基于用户等级的协同过滤方法,在不影响推荐质量的前提下有效提高了推荐效率,从而解决扩展性问题;然后,将其与似然关系模型相结合,使之能够综合利用用户信息、项目信息、用户对项目的评分数据,对不同用户给出不同的推荐策略,从而解决稀疏性问题,提高推荐质量.在MovieLens数据集上的实验结果表明,该算法比单纯使用基于似然关系模型或传统协同过滤技术的推荐算法,不仅推荐质量有所提高,推荐速度比传统协同过滤算法明显加快.

限制区域水面无人艇路径规划与跟踪控制研究

路径规划与跟踪控制是水面无人艇自主航行的关键技术。首先,采用概率地图法(PRM)对水面无人艇的路径规划进行了研究,详细介绍了概率地图法的原理以及算法实现流程,针对传统方法在工程实际中存在的问题,结合无人艇操纵性能约束提出了简单有效的改进方法,进行了算例验证;其次,以PRM规划路径为目标对象,开展了欠驱动无人艇路径跟踪控制技术研究,对操舵响应非线性模型进行线性化处理,考虑舵角饱和约束限制,设计了模型预测控制器,舵角的执行指令可以通过二次规划算法求解;最后,进行了限制区域水面无人艇路径规划和跟踪控制的联合仿真验证。研究结果表明:概率地图法可以成功地应用于限制区域无人艇路径规划,方法可实现性好、效率高;规划所得的路径由一系列直线段组成,有利于路径跟踪控制;通过模型预测控制可以快速平稳地实现欠驱动无人艇对目标路径的跟踪控制。

一种灵活的概率关系数据库模式及代数

文章提出了一种处理不确定信息的对传统关系模式的一致扩展的灵活的概率关系数据库模式及代数。关键词##4概率关系数据库;;概率连接;;关系模式;;

概率图模型表示理论

概率图模型结合概率论与图论的知识,利用图来表示与模型有关的变量的联合概率分布。近年它已成为不确定性推理的研究热点,在人工智能、机器学习和计算机视觉等领域有广阔的应用前景。主要研究概率图模型的表示方法,讨论如何利用概率网络中的独立性来简化联合概率分布的方法表示。首先介绍了单个节点上的条件概率分布的表示模型及其引起的独立性,包括表格CPD、确定性CPD、特定上下文CPD、因果影响CPD、高斯模型和混合模型,并把单个分布模型推广到指数分布族中。然后详细介绍贝叶斯网络中的独立性以及图与概率分布的关系,讨论了高斯分布和指数分布族的贝叶斯网络表示理论。再详细描述马尔可夫网络的参数化问题及其独立性,也讨论高斯分布和指数分布族的马尔可夫网络表示理论。还给出两种局部有向图模型:条件随机场和链图。并且描述基于模板的概率模型表示,包括动态贝叶斯网络和状态观测模型这两种暂态模型,以及盘模型和概率关系模型这两种对象关系领域的有向概率模型,而且给出对象关系领域的无向表示。最后对概率图模型表示理论和方法所面临的问题及前景进行展望。

马尔可夫逻辑网络研究

马尔可夫逻辑网络是将马尔可夫网络与一阶逻辑相结合的一种统计关系学习模型,在自然语言处理、复杂网络、信息抽取等领域都有重要的应用前景.较为全面、深入地总结了马尔可夫逻辑网络的理论模型、推理、权重和结构学习,最后指出了马尔可夫逻辑网络未来的主要研究方向.

城市供水管网在地震时的连通可靠性分析

考虑地震作用效应和管道抗力的随机特性,建立了埋地管道单元的概率预测模型,评估其在地震时的震害状态。把供水管网系统简化为边权有向网络图,通过Monte Carlo随机模拟过程,近似再现管网中各管段的破坏状态,进而分别结合图论理论方法和模糊关系矩阵法,对管网进行连通可靠性分析。由于Monte Carlo模拟算法是以管网各节点与水源点处于连通状态的近似频率计算来代替精确概率分析,为获得稳定的计算结果,对所用算例进行了5000次模拟。算例分析表明,基于图论方法和模糊关系矩阵法得到的管网连通可靠性结果基本相等。

似然关系模型在航天软件缺陷预测中的应用

将似然关系模型在描述和推理多属性类之间关系及其不确定性知识方面的优势用于预测软件缺陷,提出了航天软件缺陷预测模型PRM_METHOD。首先,提出了基于软件测试的软件缺陷分类方法,以软件缺陷类关系为例分析了似然关系模型用于航天软件缺陷预测的理论依据;然后,在对人员能力、缺陷数量特征等数据进行定义和泛化等预处理的基础上,描述了提出的预测模型PRM_METHOD,详细阐述其结构、学习过程以及预测过程,并针对数据集的分类操作提出了基于弥合数据缝隙的k-均值聚类方法。最后,以某航天项目软件为例验证了模型PRM_METHOD的实现过程,并以实际测试工作中产生的历史数据作为训练集和验证集进行实验验证。验证结果显示,验证集的记录与预测结果的平均绝对偏差均值为0.086 8,即模型的预测精度为0.913 2,表明该模型对关联关系较为复杂的航天软件缺陷有较好的预测精度。

融合用户信任度与相似度的推荐算法研究

提出一种新的基于概率矩阵分解的推荐算法.首先,对用户之间的信任关系网络进行重构,突出社交网络中被很多用户信任的用户地位.其次,引入用户之间的相似度,区分目标用户与其信任用户之间的兴趣偏好.最后,运用信任关系与相似度获取用户之间的加权关系,从而得到融合用户信任度与相似度的推荐算法.实验采用Ciao数据集,其结果表明所提出的算法在平均绝对误差和均方根误差这两个推荐准确性指标上都有较大的提高.

基于概率关系数据库模型的研究

在处理不确定信息的概率关系模型PRM(ProbabilisticRelationalModel)的基础上 ,为了弱化关系中元组间互斥的约束条件 ,从事件发生条件概率和谓词的角度出发 ,进一步论述了概率关系数据库模式的语义、定义及相关操作 ,给出了更为合理的概率型数据库结构的形式化描述 ,并对关键字的定义、性质以及概率数据库更新。

一个概率关系专家数据库模型

该文在关系数据库理论的基础上，针对元组级不确定信息，给出了一种概率知识表示的方法，并以此为基础，首先推广传统关系到概率关系，进而推广关系代数到概率关系代数，建立了一个简单的概率关系数据模型，并给出了该模型的一些基本操作，如选择、投影，笛卡尔积、并、差等。该模型对存储和管理不确定信息的数据库的建立有一定参考价值。

Bayes网络与关系模型的集成:概率关系模型

对象关系模型和Bayes网络分别是关系理论和概率理论两个不同领域中最重要的模型,它们首次集成于本文引入的概率关系模型中。作为新型的概率模型,概率关系模型不仅继承了Bayes网络的大部分优点,而且关系特征和对象的概念使它能有效地克服Bayes网络在许多方面的不足,而成为对复杂系统建模的理想工具,是对Bayes网络的重要创新;作为新型的关系模型,概率关系模型也是对传统关系模型的重要创新,具备概率特征的对象关系模型有了处理不确定性问题的能力。概率关系模型的创建对复杂智能信息系统开发研究有着特别重要的意义。本文首先评述Bayes网络和对象关系模型,然后在此基础上引入概率关系模型。

概率逻辑模型与学习研究进展

近年来,概率逻辑学习研究取得了很大进展,已经提出各种不同的形式化方法和学习方法,包括概率关系模型(PRMs)、贝叶斯逻辑程序(BLPs)、逻辑贝叶斯网络(LBNs)和随机逻辑程序(SLPs)等。文章重点介绍了贝叶斯网络与一阶逻辑的结合,并以PRMs、BLPs和LBNs为例,描述了基于贝叶斯网络的概率逻辑模型(PLMs)的知识表示方法,给出了此类PLMs一般使用的参数估计方法和结构学习方法,并给出了建议的研究方向。

后关系模型及其数据库研究

研究后关系模型(Post-Relation Model,PRM),指出它为非1NF关系,分析后关系数据库(Post-RelationDatabase,PRDB)-Caché的特点及类特性,阐明Caché中数据库文件名的意义和命名空间的作用,提出使用Caché要进行面向对象分析(Object-Oriented Analysis,OOA),给出创建PRM数据库的举例。

基于动态概率关系模型的规划识别研究及应用

根据Sanghai等人在概率关系模型的基础上引进的动态概率关系模型的概念,把该理论应用于规划识别的研究。动态概率关系模型是动态贝叶斯网络(DBNs)的一种扩展。通过引进动态概率关系(DPRM)讨论了动态不确定性问题。粒子滤波算法,作为在DBNs中的标准推理方法,在运用与DPRMs时有严重的局限性。利用Rao-Blackwellisation关系理论可以有效的改善,进一步再引入规划树概念,使DPRMs在机械装配领域得到了成功的应用。