基于扩展贝叶斯分类的通信网络前向链路安全传输方法

由于出现未经授权的访问、数据完整性受损、线路窃听等各种安全问题,导致通信网络的前向链路无法正常传输数据。对此,提出基于扩展贝叶斯分类的通信网络前向链路安全传输方法,在确定通信网络前向链路信息安全传输框架的基础上,引入扩展贝叶斯分类法对通信网络前向链路进行分类,引入IBE方法对通信网络前向链路数据进行加密,然后统一传输,实现通信网络前向链路的安全传输。实验结果表明,采用改进方法,其数据传输量增加,传输准确率高且传输耗时短,具有一定的优势。

基于扩展贝叶斯方法融合的作战效能评估研究

从多个视角采集评估数据源并进行武器装备的作战效能评估,是一种提高评估结果可信度的做法。在武器装备论证阶段,评估数据源主要来自专家经验和仿真结果,但因这两种数据源的差异太大,难以进行直接的评估聚合。为此,提出采用信念图模式统一两者的数据表达,再采用一种扩展的贝叶斯推理算法进行评估融合,最后得到评估装备的综合作战效能。以装甲主战装备改进型的作战效能评估为例进行验证,结果表明该方法符合评估实际,是一种有意义的新方法。

岩土工程反分析的扩展贝叶斯法

基于概率与数理统计理论和现代信息理论,针对传统贝叶斯法中观测信息与先验信息不匹配的缺陷,探讨了一种新的反演方法。该方法通过引入匹配系数b,将现场量测信息和先验信息有机地结合起来,克服了传统贝叶斯法的不足,在形式上完成了目前常用的最小二乘法、最大似然法及传统贝叶斯法准则函数的统一,并可由量测数据的质量和数量推算预测模型的最佳阶数。同时,可以由b 值的定量分析,直观地得到量测值与参数初始估计值之间的权重比例。

顾及扩展贝叶斯分类算法的计算机网络涉密信息安全应用系统

顾及扩展贝叶斯分类算法(Extended Bayesian Classification Algorithms,EBCA)的计算机网络涉密信息安全应用系统,当前仅仅处于发展的初始阶段。多研究人员都无法描述相互之间的一些关系。本研究以计算机网络安全的涉密信息安全为核心,巧妙利用EBCA反向传播模型,综合使用非线性函数的功能提出了顾及EBCA的计算机网络涉密信息安全应用系统,有效解决了复杂的交联关系,同时通过仿真实验对所提出的模型进行了有关验证。顾及EBCA的计算机网络涉密信息安全应用系统的设计与实施提供理论支撑。

基于扩展贝叶斯滤波的鲁棒波束成形

为提高信号源波达方向存在估计误差或不稳定时的波束成形器性能,提出了基于扩展贝叶斯滤波的鲁棒波束成形算法。将期望信号波达方向看成一组由若干离散样点组成的随机变量,对这些样点的后验概率进行估计并对后验概率低于门限值的样点进行重采样,在样点数有限的情况下获取期望信号附近样点的优化分布。通过对各样点最小方差无畸变响应(MVDR)权值的加权处理得到了优化的波束成形器权值。仿真结果表明,与典型的基于贝叶斯估计的鲁棒波束成形算法相比,文中算法能进一步提高波束成形器的鲁棒性。

基于扩展贝叶斯理论的飞机液压系统效能评估

飞机液压系统准确效能评估,是分析实际作业中飞机液压系统运行情况及其结构功能优化设计的基础。针对传统效能评估方法普遍依赖专家决策的问题,以贝叶斯理论为基础,提出了一种考虑评估指标数据可信度的扩展贝叶斯效能评估模型。模型利用提出的改进灰色关联分析法获得评估指标数据的可信度量化值,将其与指标数据作为评估指标的二维数组表达,并通过扩展贝叶斯理论进行专家数据和仿真数据等异构数据的分析融合。以某型飞机液压系统为例,验证了上述方法在飞机液压系统效能评估中的有效性,并可用于多源数据的系统效能评估中。

基于扩展贝叶斯分类算法的网络安全状态在线定量评价

准确了解计算机网络的安全状态非常重要,大多数计算机网络安全评估系统都无法对数据进行彻底地分析,这成为获取计算机网络安全状态的瓶颈。针对这一问题,提出了一种基于扩展贝叶斯分类算法的计算机网络安全评估规则的算法模型,研究了计算机网络安全评估的扩展贝叶斯分类知识系统描述,给出了扩展贝叶斯分类属性约简的方法,通过简化的网络安全评估数据集验证了提出的决策规则挖掘方法。实验结果表明,该网络安全评估方法是可行、有效的,获得的决策规则符合实际。

基于树扩展朴素贝叶斯的高效网络入侵检测系统

提出了一种基于树扩展朴素贝叶斯(tree augmented naive Bayes,TANB)的入侵检测方法.该方法基于传统的朴素贝叶斯(naive Bayes,NB)和贝叶斯网络(Bayes network,BN)方法,结合了前者计算简单和后者能表示属性间相关性的优点.同时我们提出使用增益比率进行网络特征选择来进一步提高检测性能.通过对DARPA数据的入侵检测实验,与传统方法做了比较,其结果表明,我们提出的入侵检测方法效果很好,对各种入侵类型的检测率都很高.

基于模糊贝叶斯-ANP舰载机出动回收综合评估

航空母舰作为一个典型的复杂系统,舰载机的出动回收效率是衡量整个系统作战能力的重要指标。描述出动回收效率的指标众多,且指标之间关系复杂。为确定指标之间的相互关系,避免在评判过程中主观性判断产生的缺陷,提出了基于三角模糊数的扩展贝叶斯融合法评估舰载机的出动回收效率。针对网络层次分析法(analytic network process, ANP)分析过程中的主观性判断,采用基于三角模糊数的尺度标准,并结合历史实验数据和专家评判进行综合分析。仿真算例中,通过多组对比实验分析,验证了所提方法中采用模糊数以及融合专家经验和历史实验数据的合理性与有效性。

基于贝叶斯网络分类器的雷达辐射源识别方法

雷达辐射源识别是电子对抗中的重要组成部分。贝叶斯网络分类器建立在坚实的理论基础之上,具有较为优秀的分类性能,而且能够有效地处理不确定性问题,重点研究了如何利用贝叶斯网络分类器进行雷达辐射源识别,并通过仿真实验对朴素贝叶斯分类器及其扩展方法进行了分析比较。实验结果表明,与基于概率近似准则的方法相比,基于分类准确率提高准则的扩展树生成方法具有更为优秀的分类性能。

词间相关性在贝叶斯文本分类中的应用研究

针对朴素贝叶斯分类的属性独立性假设的不足,讨论了相关性及多变量相关的概念,给出词间相关度的定义。在TAN分类器的词间相关性分析基础上,提出一种文档特征词相关度估计公式及其在改进朴素贝叶斯分类模型中应用的算法,在Reuters-21578文本数据集上的实验表明,改进算法简单易行,能有效改进贝叶斯分类性能。

基于TAN结构的启发式贝叶斯网络结构学习算法

贝叶斯网络结构学习是个NP难题。一种有效且准确性较高的学习算法是K2算法。但K2算法要确定结点次序,在无先验信息时受到很大限制。提出了一种启发式结构学习G算法,该算法以学习树扩展朴素贝叶斯TAN结构作为启发式信息,由该启发式信息生成结点次序,再用K2算法生成贝叶斯网络结构。实验结果表明,G算法可以解决无先验信息时确定结点次序的问题。所添加的弧比较简洁,网络结构比TAN结构更加合理。

用Matlab语言建构贝叶斯分类器

文本分类是文本挖掘的基础与核心,分类器的构建是文本分类的关键,利用贝叶斯网络可以构造出分类性能较好的分类器。文中利用Matlab构造出了两种分类器:朴素贝叶斯分类器NBC,用互信息测度和条件互信息测度构建了TANC。用UCI上下载的标准数据集验证所构造的分类器,实验结果表明,所建构的几种分类器的性能总体比文献中列的高些,从而表明所建立的分类器的有效性和正确性。笔者对所建构的分类器进行优化并应用于文本分类中。

基于TAN贝叶斯网络分类器的测井岩性预测

贝叶斯网络是一种建立在概率和统计理论基础上的数据分析和辅助决策工具,利用其构造出的树扩展朴素贝叶斯网络分类器是目前最优秀的分类器之一。针对石油勘探中测井数据的特殊性,利用贝叶斯网络预测出其对应的岩性,并介绍了使用此方法进行岩性预测的算法过程。通过BNT软件包用Matlab语言构建了分类器,并由实验结果的分析说明了此分类器的优点。

朴素贝叶斯分类算法研究

分类算法研究是机器学习和人工智能的一个重要领域，本文介绍了朴素贝叶斯分类器及其扩展和优化方法（NB、TAN和SNB），使用国际通用人工智能数据库UCI比较这三种方法在实际问题中的分类情况，并与决策树算法C4．5进行比较，期望在这些算法比较试验结果的基础上，能给后续研究提供思路。

军事通信网络效能评估中的多数据源融合方法

通过分析军事通信网络效能评估数据源的特征,提出了一种融合专家经验、仿真和实测数据评估军事通信网络效能的方法。包括用信念图统一表达数据形式;以实测数据为训练样本,使用支持向量机拟合网络参数与性能指标关系模型,通过比较预测值与仿真结果获取仿真数据可信度;采用扩展贝叶斯法融合多源数据,给出了基于多数据源的军事通信网络效能评估流程;最后以评估某舰艇编队军事通信网络效能为例,给出了具体融合过程,结果表明融合多数据源的评估结果的有效性和可信性更高。

航天测控系统多数据源融合评估方法

航天测控系统测控效能评估中的数据源主要来自评估指标体系中定性指标和定量指标的评估数据,为提高评估结果的可信性,需要减少这些数据间的冲突性和不一致性.首先,对评估指标体系进行约简优化,并提出一种基于多源异构数据融合的评估方法,以专家群决策作为评估基本框架,通过信念图实现异构数据的有效映射和统一表达,然后采用扩展贝叶斯进行评估数据融合,最后结合系统执行某次测控任务为例得到效能评估值.实例表明:该融合方法具有一定的实用性和有效性,能有效提高评估结果的可靠性和可信性.

采用信息排序的SuperParent算法的研究

为了提高贝叶斯分类器的分类性能,Keogh提出了以分类效率为基础的扩展贝叶斯网络分类算法SuperParent-TAN,这是一种依赖一个属性(one dependence estimator)的贝叶斯网络。这种算法不足之处在于查找超父节点(Super-Parent)和创建分类器工作的反复进行,时间花费较大。为了提高这种算法的分类效率,同时保证分类率,设计了基于信息增益和基于互信息的两种排序算法。通过在Weka平台上对UCI中32个数据集合的实验表明,基于信息排序的优化算法可以在保持分类正确率同时降低分类花费。

基于树选择的TAN分类器

通过对朴素贝叶斯(NBC)分类器与传统的基于树扩展的贝叶斯(TAN)分类器的分析,对TAN分类器进行改进,提出CTAN分类器。朴素贝叶斯分类器对非类属性独立性进行完全独立假设,传统TAN则弱化所有属性的独立性,提出的CTAN则是通过操作TAN保留对数对部分相关属性有选择的进行弱化。CTAN改进的方向主要是对属性关系树的部分利用,通过实验证明,CTAN要优于传统TAN分类器。

基于有向树算法构造的TAN分类器

树扩展型朴素贝叶斯(TAN)分类器放松了朴素贝叶斯的属性独立性假设,是对朴素贝叶斯分类器的有效改进。但传统TAN的构造算法中树的根结点是随意选择的,这使得其无法精确表达属性间的依赖关系。通过将依赖关系设定方向,并将有向树算法引入TAN分类器的构造,提出了一种新的TAN模型构造方法——DTAN。实验结果表明,DTAN分类方法在实例个数比较多的数据集上具有显著优秀的分类性能。