基于动态多实体贝叶斯网络的无人艇任务决策研究

任务决策是实现无人艇智能自主的关键环节,其存在着场景多样性、状态不确定性、约束动态性等问题。为此,本文提出动态多实体贝叶斯网络模型。首先设计了面向无人艇的语义推理框架,对无人艇本体信息进行知识表示。进一步,采用概率本体语言方法描述不确定性知识,同时扩展动态贝叶斯网络的结构,从而提高了无人艇任务决策在不确定性因素和时序因素影响下的推理能力。最后针对岛礁区域防守的任务场景,与多实体贝叶斯网络模型进行对比,结果表明DMEBN模型在动态条件下具有执行策略的连续性,验证了模型的可行性和有效性。

电子系统电磁脉冲易损性评估的分层贝叶斯网络模型

针对电子系统电磁脉冲易损性评估问题,提出了基于分层贝叶斯网络的电子系统电磁脉冲易损性评估模型建模方法.分析了电子系统分层结构特征及其电磁脉冲效应的特点,应用电磁拓扑理论中的相互作用顺序图分析系统电磁耦合途径,确定系统内底层屏蔽区域节点,研究了相互作用顺序图与系统分层贝叶斯网络的拓扑关联关系,在系统分层贝叶斯网络模型中增加底层屏蔽区域节点层,从而建立系统易损性评估模型,并给出了相应的建模步骤.最后以某电子机械传动系统电磁脉冲易损性评估问题为例说明了建模和计算过程.

解析网络口碑的动态交互过程:一个基于网络回帖行为的分层贝叶斯选择模型

本文通过互联网上的产品评论及其回帖的数据,研究了产品网络口碑传播的动态交互过程。我们采用分层贝叶斯选择模型建模,并用马尔可夫链蒙特卡洛(MCMC,Markov Chain Monte Carlo)方法对参数进行估计。结果发现,已有回帖的特征(如正面回帖的比例、负面回帖的比例等)对当前回帖的产品态度有显著影响,并且这种影响在不同的产品评论之间存在很大差异。这种异质性可以通过引入产品评论(即主帖)的特征得到很好的解释。总体而言,已有回帖对产品的态度,以及主帖的特征等均对之后回帖的产品态度有显著影响。此外,本文还发现,在网络口碑传播过程中,正面回帖的影响比负面回帖的影响更大。最后,本文讨论了该研究对营销理论和实践的贡献。

基于分层贝叶斯网络的计划识别方法

分析了态势估计中计划识别问题。采用分层贝叶斯网络对计划进行分级表示,依据发生的战场事件和目标行为,动态构建分层贝叶斯网络结构,并将其作为证据进行推理。为了解决动态构建贝叶斯网络的推理问题,提出构建虚拟节点的方法,将底层贝叶斯网络的推理结果作为不确定证据,输入到对应的上层网络节点中,以代替该底层贝叶斯网络。最后,文中通过仿真实验,对基于分层贝叶斯网络的计划识别方法进行了实验验证,结果表明该方法是有效可行的。

基于分层贝叶斯网络的航母编队对潜威胁评估

使用贝叶斯网络模型进行威胁评估是一种比较新的定量分析方法。将分层贝叶斯网络模型应用于航母编队对潜艇编队威胁评估,评估潜艇编队的威胁等级,达到为航母编队指挥员反潜作战提供辅助决策的目的。对分层贝叶斯网络模型进行阐述。分析了航母编队面对来自水下目标威胁产生的原因和机理,综合部队数据、院校专家、查阅资料基础上构建了可靠的航母编队分层贝叶斯网络。通过实验仿真对比实践部队数据验证了分层贝叶斯网络对航母编队威胁评估的有效性。

一种基于多实体贝叶斯网络的用户行为评估方法

由于信息系统中用户行为类型的多样性,采用单一的检测方法对内部合法用户的恶意行为进行检测评估效果不好。提出一种基于多实体贝叶斯网络的用户行为可信评估方法,利用多实体贝叶斯网络的对行为的多种要素进行建模、融合,共同推理出用户行为的可信程度。最后的仿真实验表明所提出的模型在信息系统中的用户行为可信评估具有较好的效果。

分层实体制造快速成形工艺参数的人工神经网络预测

针对分层实体制造快速成形中工艺准备繁杂及工艺参数非线性的特点,提出分层实体制造快速成形工艺参数预测的人工神经网络方法,建立相应的人工神经网络模型。

内外部网络口碑与在线销售的动态交互过程——基于分层贝叶斯模型的解析

与以往单纯以内部网络口碑、相互独立的内部和外部网络口碑为研究对象,分析网络口碑与在线销售的关系不同。基于评论环境理论,采用分层贝叶斯模型,以当当网、京东、亚马逊和豆瓣网为数据搜集对象,在充分考虑网络口碑异质性及其来源多元化的条件下,结合外部网络口碑平台信息提供的特点,在进一步引入免费试样因素的基础上,对内外部网络口碑与在线销售的动态交互作用进行研究。结果发现:在异质性网络平台并存且效价差异较小的情境下,效价不再是影响在线销售的关键,而内部网络口碑数量、数量信息熵才是影响在线销售的关键,反过来在线销售也刺激了网络口碑数量的提升。虽然外部网络口碑的存在削弱了这一环形机制的积极影响,但免费试样可有效削弱该负向调节机制。

基于分层贝叶斯网络的车辆发动机系统电磁脉冲敏感度评估

提出一种基于分层贝叶斯网络(HBN)的车辆发动机系统电磁脉冲(EMP)敏感度评估方法,从概率角度考虑电磁干扰源位置、极化角度、部件敏感度等参量的随机性,估计发动机系统在强电磁脉冲作用下的失效概率。该方法利用事件树分析(ETA)对电磁脉冲传播过程建模,确定系统周围电磁环境的风险概率,运用电磁拓扑(EMT)分析发动机系统电磁耦合途径。考虑同层单元失效的相关性,以分层贝叶斯网络为框架融合事件树和电磁拓扑理论建立发动机系统电磁脉冲敏感度评估模型,并推导了部件级至系统级的失效概率计算公式。最后以高空核电磁脉冲环境为例,说明了某型号发动机电磁脉冲敏感度评估模型的参数获取方法和模型计算过程,并以超宽带高功率微波为例,进一步说明了本文评估模型的适用性。

分层贝叶斯网络模型研究

贝叶斯网络模型是近年来智能推理研究的热点。提出一种分层贝叶斯网络模型,通过构建虚拟节点,将底层贝叶斯网络的推理结果作为不确定证据,输入到对应的上层网络节点中,以代替该底层贝叶斯网络。结果表明该方法是有效可行的。

基于分层动态贝叶斯网络的武器协同运用

在多种软硬武器的条件下,如何进行有效的武器运用,做出一个最适合于当前态势的武器运用方案是一个重要的问题。给出一个基于动态贝叶斯网络的武器协同运用模型,结合不同时刻的空战态势,能够综合所有的信息,对软硬武器综合做出决策,从而对武器运用的发射时刻以及数量由定性逐步定量分析。此时构造出的模型能够最大限度的考虑多种因素,保证了决策的有效性和鲁棒性,避免武器运用中的随意性。

多实体贝叶斯网络在态势估计中的应用研究

介绍了多实体贝叶斯网络(MEBN)理论,给出了实体片断及多实体规则形式化的定义,分析了在态势估计中使用多实体贝叶斯网络进行知识表示和态势推理的问题。给出一个具体的实例,演示了使用多实体贝叶斯网络进行态势估计的过程。

基于分层贝叶斯网络的交通密度估测模型

为准确、快速地判别交通状态,以宏观基本图为基础,针对交通流参数时、空二维分布的特征,建立了分层贝叶斯网络下的路网密度估测模型。采用分层贝叶斯网络描述了影响交通状态变量之间的相关性,并结合概率理论和路段排队模型进行了公式的推导,引入期望最大化扩展卡尔曼滤波法(EM-EKF)进行了参数估计和未知变量的迭代计算。以玉溪市龙马路等相关路段为例,借助VISSIM软件进行了仿真实验。通过COM接口采集密度等数据,将这些数据与模型计算结果进行了对比分析。研究结果表明:提出的模型估测结果十分接近真实情况(平均绝对误差百分比为6.98%和7.72%),验证了该模型的有效性和可靠性。

贝叶斯网络的分层推理算法

贝叶斯网络算法是基于事件发生的一种概率信度计算。为了准确判断各个事件发生的概率,提高判断的精度与准确度,提出了一种贝叶斯网络的分层推理算法。这种方法将贝叶斯网络进行结构化处理,对于节点集进行分析,更精准的去推测事件的概率。分层推理是在贝叶斯网络的基础上,结合贝叶斯网络的推理算法提出算法的基本思想,再在理论上进行推理验证,最后进行仿真试验验证该算法的准确性与可实施性。

分布式协同网络用电负荷分层加权概率预测方法

先进计量体系(AMI)是智能电网中的分布式协同网络,其通过广泛布置的分布式测量计算节点对用电端的用户用电信息进行测量和协同分析。基于分布式协同网络测量得到的海量数据,针对短期用电负荷的概率预测问题提出一种分层特征加权概率预测方法。该方法采用核主分量分析提取用电负荷测量样本的非线性特征,根据提取的特征采用马氏距离判据对用电负荷数据进行特征加权,剔除权重低的不相关干扰数据;提出将经验模态分解与稀疏贝叶斯学习方法相结合的机器学习用电负荷概率预测方法,对用电负荷高频与低频分量进行分层概率分布预测。最后,将所提出的方法应用于某地区的短期用电负荷预测实验,实验结果表明该方法能够有效预测短期用电负荷的概率分布,预测精度高、可靠性好。

实现规划识别的一种贝叶斯网络

基于规划识别中的规划分层模型,利用单元素集树状网络和单连通网络两种算法,提出了一种求解规划识别问题的贝叶斯网络,该网络以图形的模式表示了规划识别中的因果信息,体现了代理的目的和行为之间的连接概率分布.并以一个实例说明了该网络中结点之间的信息传播过程,表明了使用该网络来求解规划识别问题的可行性.

基于贝叶斯网络的编队对潜威胁估计方法

应用贝叶斯网络模型进行威胁估计是当前研究的热点和难点。提出了应用分层贝叶斯网络模型构建威胁估计网络,用于估计反潜编队对潜威胁等级。首先,对分层贝叶斯网络模型进行简要的阐述,并对利用该模型进行威胁估计的可行性进行分析;其次,分析反潜编队对潜威胁产生的原因和机理,在此基础上,构建威胁估计网络;最后,以框架理论为基础,对构建替换模块知识库的方法进行探讨,为实现动态构建威胁估计网络提供一种可行的解决方案。

液体火箭发动机的分层贝叶斯变分推理故障诊断方法

针对稀疏数据场景下,传统的多项式-狄利克雷模型存在一定的分类精度问题,提出一种基于变分推理的分层贝叶斯网络的参数估计方法.通过在传统的多项式-狄利克雷模型中引入超先验,构建出的分层多项式-狄利克雷模型可用于贝叶斯网络中的条件分布估计.对分层多项式-狄利克雷模型的先验依赖结构进行分析研究,提出一种快速准确的自组织变分推理算法.与传统的分类模型相比,本文提出的分层多项式-狄利克雷模型在处理小数据集液体火箭发动机的故障分类中有显著的性能提高.

一种基于多源数据的网络实体推断方法

网络空间中的实体推断是网络空间测绘研究的重要内容之一,主要通过综合多源数据实现对网络空间中各类实体的分类与识别。本文首先提出了网络空间的实体分类模型,基于此模型提出了一种低开销的网络实体探测分类方法。首先对于探测发现的IP地址,采用别名解析技术将属于一个设备的多个IP映射为一个网络实体;然后采用决策树对网络实体分类进行粗粒度分类;最后,再基于贝叶斯网络进行详细分类。为验证分类效果,以江苏省某市为例进行了探测分析并与备案数据进行了对比,试验结果表明该方法可以有效地对网络空间中的各类实体进行判别,从而为网络空间地图构建、态势分析等应用提供技术支撑。

分层区域穷举的中文嵌套命名实体识别方法

嵌套命名实体之间蕴含着丰富的语义关系与结构信息,开发能够准确识别嵌套命名实体的算法具有重要研究意义。针对现有的中文嵌套命名实体数据集中存在错标漏标以及现有识别方法大多忽略嵌套实体内部信息关联关系而导致准确性下降的问题,结合自动生成与手动标注的方法构建新的中文嵌套命名实体数据集NEPD,在此基础上,设计一种利用分层区域穷举的中文嵌套命名实体识别模型。该模型通过遍历文本组合实体,获取低层编码层的词嵌入信息;其次,为使邻接编码层之间实现信息交换,将低层编码层的词嵌入信息融入高层编码层;最后,利用多层解码层使长度为L的命名实体仅在第L层预测,有效防止错误传播现象发生从而提高识别准确度。实验结果表明,在没有外部知识资源的情况下,LREM模型在嵌套命名实体与非嵌套命名实体上的识别F1值分别达到87.19%和86.27%,其中非嵌套命名实体识别的F1值比传统的BiLSTM+CRF模型提升1.18%,验证了该模型的可靠性。