贝叶斯网最优消元顺序的近似构造算法

变量消元(VE)法是贝叶斯网推理的一个基本方法,然而不同的消元顺序会导致相差悬殊的计算复杂度,寻找最优消元顺序问题是一个NP难问题,因此在实际应用中多采用近似算法求解。通过对贝叶斯网对应的端正图的分析,综合考虑了消元过程中消去的边和增加的边对剩余图的影响,进而提出了一些降低图的复杂度从而控制消元成本的方法,在此基础上提出了一个最优消元顺序的近似构造算法,最后通过随机仿真实验分析比较了算法的性能。实验结果表明,新算法较最小缺边搜索算法有明显的优势。

基于CDA和MoG-BBN的齿轮磨损状态识别研究

提出了基于混合高斯输出贝叶斯信念网络模型的齿轮磨损状态识别新方法,建立了变量消元算法和期望最大化算法相结合的模型推理算法,通过计算待识别磨损特征向量的概率值来确定齿轮磨损状态。针对期望最大化算法容易局部收敛的问题,对其进行了改进,使其更容易获得全局最优值。根据磨损特征之间的非线性关系这一特性,应用曲线距离分析方法对特征进行降维。最后,利用五种不同工况下的齿轮磨损实验数据对模型进行验证。结果表明,该模型可以有效地识别齿轮磨损状态,识别正确率可以达到99%,为齿轮箱的健康管理提供了科学依据。

自动高效的网络安全评估方法

网络安全评估是提高网络安全性的基本步骤之一。目前的评估方法通常需要手工操作,带来较大的评估开销,很难应用到大规模复杂网络,无法快速响应用户请求。提出了一种高效的自动化评估方法来解决这些问题。为了实现评估的自动化,对多个弱点资源(如NVD、Bugtraq等)的脆弱性信息进行分析,将它们关联起来,形成一个包含40000多个已知弱点的大型综合弱点数据库。为了提高评估效率,利用"原子域"的概念,提出了一种新的攻击图生成方法,相比于传统的方法,大大减少了攻击图生成开销。构建贝叶斯评估模型,基于变量消元,提出了一种新的评估方法,简化了模型中的贝叶斯推理。由于能自动化部署贝叶斯攻击图概率信息,新方法能实现评估的自动化,并且可以应用到大规模网络,快速完成评估任务,还可为网络管理员提供量化判断依据,以快速应对大型复杂网络中不断变化的安全态势。

含压电层的复合梁的多场耦合分析

压电智能控制结构的应用环境往往不是单一的,而是处在复杂的多物理场环境中,为了保证压电材料的真实行为,必须考虑多物理场耦合的影响.在压电层的基本耦合方程基础上,利用消元法将由虚功方程推导的热、机、电耦合的高阶有限元矩阵方程对应的五元二阶齐次微分方程组变换为四元二阶齐次方程组,由控制理论以及变量替换构建了求解该耦合矩阵通解的状态方程,给出了通解的表达式以及求解方法.

基于因子图的状态估计方法运算实时性研究

对因子图算法及其理论基础进行研究,使用消元算法分析了一元观测因子图模型的稀疏结构,得到了一种适用于该模型的增量推断算法;并对固定滞后平滑算法进行了研究,实现了滑窗在该增量推断算法中的应用;最后通过仿真验证了基于因子图的状态估计方法的估计能力、该增量推断算法在求解一元观测因子图模型的状态估计问题时运算速度的提升能力,以及滑窗维持该增量推断算法运算速度稳定的能力。

贝叶斯网络VE推理算法的并行化研究

贝叶斯网络是一种强有力的不确定性推理和数据分析工具.网络推理是贝叶斯网络的重要内容之一.VE算法是利用联合分布的分解来简化推理的贝叶斯网推理算法.提出一种基于最小缺边搜索算法的消元顺序(PL_OE)算法,使VE算法可并行执行,降低了贝叶斯网推理的时间复杂性.

贝叶斯网马尔可夫性的边缘化

贝叶斯网作为概率论与图论相结合的产物,在对不确定复杂系统进行建模以及降低概率推理的计算复杂度等方面具有不可替代的应用价值.当在大规模贝叶斯网上进行概率推理和数据分析时,往往不需要关心全部的变量,而是在少数变量集上进行统计推断或概率推理,这就需要人们考虑边缘模型的结构信息(即分布中的条件独立信息),而边缘模型结构实质上是马尔可夫性的边缘化.考虑到贝叶斯网的边际化运算并不封闭,文章重点研究了贝叶斯网边缘模型的极小独立图问题.在借鉴无向图模型的变量消元方法以及有向图中t-可去点定义的基础上,文章提出了有向无圈图的变量消元方法,并证明消元后所得到的图恰好是边缘化掉变量集后所得到的边缘模型的极小独立图.