基于概率图与功率优化模型的户变关系识别

户变关系是指配电变压器与其供电的终端用户间的电气连接关系,准确的户变关系是低压配电网运行管理的基础。在此背景下,本文提出一种基于概率图与功率优化模型的低压配电网户变关系识别方法。首先,利用马尔可夫随机场概率图模型来计算终端用户间的电压相关性;然后,对用户进行归集计算,得到新的用户集合,大大降低了计算维度;最后,基于新的用户集合,利用功率平衡原理建立用户集合与配电变压器的功率优化模型,实现低压配电网户变关系的准确识别。通过实际的低压配电网数据,验证了所提方法的有效性和鲁棒性。

基于语义概率图与关联规则的基建工程知识库构建

目前常规的基建工程知识库主要采用自下而上的方式对工程数据进行存储,由于对基建工程知识数据的融合程度较低,导致知识库的数据调度性能不佳。对此,提出基于语义概率图与关联规则的基建工程知识库构建方法。将电网基建工程数据转换为事件数据,对其进行关联分析,并结合关联分析结果以及语义概率图对基建工程知识图谱实体进行构建。通过计算文本词汇相似度,实现基建工程知识数据的深度融合,并对知识图谱进行复用,结合知识概念以及属性的抽取结果,实现知识库的构建。在实验中,对提出的知识库进行数据抽取性能的检验。经实验结果表明,采用所提方法构建的基建工程知识库,单位时间内可调度工程资源数据量较高,具备较为理想的数据调度性能。

基于半定量概率图模型的溯因分析方法

复杂工业系统的故障原因定位可协助操作人员快速调整设备运行参数,保障生产高效稳定地运行.铝电解过程机理复杂且外部因素干扰多,信息具有不确定性特征,难以建立精确的定量模型,而定性分析的准确度不高.为此,本文针对铝电解溯因过程的层次性、相关性、不确定性的特点,构建了一种基于半定量概率图模型的溯因分析框架,将定量和定性分析相结合,通过不确定理论对信息进行处理和描述,采用图形符号可视化知识变量间的因果关系,再基于概率图模型的推理方法实现不确定性条件下的溯因诊断,为实现铝电解异常槽况的原因分析与定位提供了理论支撑.

一种基于目标声信息改进概率图的多UUV协同搜索方法

针对未知环境中多无人水下航行器(UUV)协同目标搜索问题,提出一种基于目标声信息改进概率图的多UUV协同搜索方法。建立了包含目标声场信息、UUV占用信息、目标存在概率及环境确定度的改进概率图,使UUV对动态搜索环境及目标信息的感知更加准确、全面;提出了一种基于学习机制和自适应参数调节机制的改进粒子群优化(PSO)算法,将基于线性种群规模减小和广泛学习机制的自适应差分进化算法的突变策略引入PSO算法,通过生成自适应调整参数的突变粒子,增加粒子多样性,在多UUV目标搜索应用中,减少了局部最优,提高搜索效率;设计开发了仿真程序,应用蒙特卡洛仿真方法验证分析了多UUV搜索效能。仿真结果表明,所提出的多UUV协同搜索方法与基于传统概率图的PSO搜索算法相比,同样条件下找到目标所花费的时间更少、找到的目标数量更多,对动态目标搜索具有较明显的优势。

基于概率图的中医动态交互问诊与智能辨证的数学模型的探索

本文提出了一个基于概率图的数学模型和迭代推理的算法,探索建立以经典中医辨证体系和方证对应理论为基础的自动交互式问答问诊数学模型。用于中医在线交互问诊和自动辨证分析,以提高远程中医临床问诊有效性,提供中医人工智能辅助辨证。该模型运用迭代推理算法可以实现通过简短的交互问答,自动推理出更优化的辨证分析结果,能够表达临床医师的辨证经验,并体现其对中医古籍知识的积累与运用能力,有利于中医师个人经验的传承和发扬。模型具备可扩展性和可配置性,能够不断积累辨证经验和中医药知识。为中医临床诊疗提供更加高效、便捷的实践助力,有利于加快中医药的传承与推广,有利于扩大中医药诊疗服务的群众基础和市场供给,具有深远的社会效益。

基于概率图模型的单信标定位算法研究

随着人类对海洋认识的逐步深入,水下目标的位置信息成为了一种不可或缺的水下信息源,传统的水下定位方法已经不能满足不同场景的应用需求。无论是在测量信息多元化时的多元信息融合定位,还是测量信息不足时的时域信息联合定位时均存在局限性。为此文章提出了基于概率图模型的单信标定位算法,在信标稀疏或者信标通信信息缺失的情况下,通过联合目标时域上其他位置时刻的所有量测信息,从而实现目标定位。此外文章还分析了模型分辨率和测距误差对定位结果的影响,并通过湖试验证概率图方法的有效性,证明其能够在传统定位方法无法使用的单信标的定位跟踪过程中,估计出每一时刻目标的位置,描述目标的运动轨迹。平均定位精度达到1.203 5 m。

基于概率图模型的多机器人自组织协同围捕方法

多机器人协同围捕是群体智能在对抗环境下的典型运用.在感知能力受限、环境结构未知、目标状态不确定的真实环境中,多机器人协同围捕面临环境适应性、任务可扩展性等多方面挑战.针对这一问题,本文提出一种基于概率图模型的自组织协同围捕方法.首先,建立围捕机器人和围捕对象的运动学模型,并给出围捕任务的数学描述.在此基础上,构建可扩展的协同围捕“感知–决策”概率图模型结构,并为模型中各节点状态设计概率分布参数估计方法;同时,将围捕任务阶段化,设计狼群狩猎行为启发的围捕策略,以提高围捕效率.最后,开展数值仿真和软件在环实验,验证了所提方法的节点可扩展性、环境适应性、系统抗风险性和模型可迁移性.

不确定性数据世系的时序多层概率图模型表示

不确定性数据世系分析需要追踪随时间推移数据产生和演化过程中不确定性的起源,为了有效地反映世系本身的时序特征和数据演化过程,并支持世系分析中的概率推理和不确定性追踪,针对不确定性数据查询处理的世系表示,以贝叶斯网这一重要的概率图模型作为不确定性知识表示的框架,并基于世系的时序性和层次性对其进行了扩展。以世系的布尔公式表达式为出发点,提出了涉及连续时间片的时序多层概率图模型的概念,给出了时间片内和连续时间片间贝叶斯网结构的构建方法,以及网络中各结点概率参数的计算方法,旨在为世系分析奠定模型基础。实验结果表明,该世系表示方法是有效、实用的。

基于存在概率图的圆检测方法

提出了一种基于存在概率图的圆检测方法,将图像边缘点共圆结构信息变换为圆存在概率图中的峰值,再通过峰值检测确定圆的参数。该方法能有效地检出边缘不清晰、不完整的圆形轮廓,具有占用内存少,阈值物理意义明确的特点,较好地解决了标准HT圆检测方法中占用内存空间大,计算效率低的问题。实验结果表明圆存在概率图具有较强的稳定性和分辨能力。

概率图模型研究进展综述

概率图模型作为一类有力的工具,能够简洁地表示复杂的概率分布,有效地(近似)计算边缘分布和条件分布,方便地学习概率模型中的参数和超参数.因此,它作为一种处理不确定性的形式化方法,被广泛应用于需要进行自动的概率推理的场合,例如计算机视觉、自然语言处理.回顾了有关概率图模型的表示、推理和学习的基本概念和主要结果,并详细介绍了这些方法在两种重要的概率模型中的应用.还回顾了在加速经典近似推理算法方面的新进展.最后讨论了相关方向的研究前景.

一种基于概率图模型的不确定性数据世系表示方法

不确定性数据的世系分析是基于数据产生和演变的过程来跟踪数据不确定性的来源.为了有效地描述数据间复杂的相关性及不确定性,并从理论上保证世系分析中概率计算的正确性,文中研究了基于贝叶斯网这一重要的概率图模型的不确定性数据世系表示方法.以世系的布尔公式和不确定性数据本身为出发点,提出了将布尔公式等价转换为贝叶斯网的方法,并讨论了相应的条件独立性质和概率语义.案例研究和实验结果表明,文中的方法为世系分析提供了一种有效性的、可扩展的数据相关性表示和概率计算框架.

基于概率图模型的科研文献主题演化研究

学术文献的主题分析对于研究者进行思路整理及发现研究主题非常重要。通过进一步的分析,能够理解主题如何发展变化,以及如何影响研究者的行为等等。探索了基于概率图模型的科研文献主题演化问题,特别分析了主题随时间的相互影响问题,提出了基于模块化网络的方法研究主题之间的相互关系,从而理解其相互影响。首先,利用主题模型获取时间文本的主题及其强度曲线,然后利用时间序列的逐段线性表示方法去除序列中的噪音,从而有效反映趋势信息,使得利用模块化网络能够更加准确地反映主题的影响关系,实验结果及其相关分析证明了方法的有效性。

概率图模型中的变分近似推理方法

概率图模型将图论和概率论相结合,为多个变量之间复杂依赖关系的表示提供了统一的框架,在计算机视觉、自然语言处理和计算生物学等领域有着广泛的应用.概率推理(包括计算边缘概率和计算最大概率状态等问题)是概率图模型研究及应用的核心问题.本文主要介绍概率图模型近似推理方法中变分推理的最新研究成果.在变分近似推理的框架下,系统地归纳了概率图模型推理问题的基本研究思路,综述了目前主要的近似推理方法,并分析了近似算法的单调性、收敛性和全局性等性质.最后,对概率图模型近似推理方法的研究方向和应用前景作了展望.

基于概率图的三支决策模型研究

概率图模型是一类用图形模式表达基于概率关系的模型的总称,用该模型解决损失代价问题已成为当前的研究热点。结合概率图和三支决策理论,提出了基于概率图的三支决策模型。该模型通过对数据进行分析,构造其Bayes网络;并根据模型中节点的相互依赖关系,计算出条件概率分布函数;结合查询变量的先验概率和三支决策损失代价函数,建立了相应的决策规则,给出了概率推理决策中代价最小化问题的一种解决方法。最后通过教学评估实例验证了该模型的有效性。

LDA-CRF:一种基于概率图模型的目标检测方法

目标检测和识别是计算机视觉和机器学习的研究热点.近年来,主题模型(如LDA等)在无监督的图像识别和定位等应用中获得了巨大的成功.然而,LDA忽略了图像区域之间的空间关系,并且不能处理连续值的视觉特征或特征向量.而条件随机场(CRF)能够利用图像区域之间的局部相关性来提高分类准确性.基于LDA和CRF提出了一种LDA-CRF模型.通过利用LDA生成的主题信息来辅助CRF的分类,同时结合图像区域之间结构化的类别信息来改进LDA的主题生成机制.实验结果表明,LDA-CRF模型的检测效果要优于CRF.

概率图模型学习技术研究进展

概率图模型能有效处理不确定性推理,从样本数据中准确高效地学习概率图模型是其在实际应用中的关键问题.概率图模型的表示由参数和结构两部分组成,其学习算法也相应分为参数学习与结构学习.本文详细介绍了基于概率图模型网络的参数学习与结构学习算法,并根据数据集是否完备而分别讨论各种情况下的参数学习算法,还针对结构学习算法特点的不同把结构学习算法归纳为基于约束的学习、基于评分搜索的学习、混合学习、动态规划结构学习、模型平均结构学习和不完备数据集的结构学习.并总结了马尔科夫网络的参数学习与结构学习算法.最后指出了概率图模型学习的开放性问题以及进一步的研究方向.

复小波域混合概率图模型的超声医学图像分割

针对存在大量不规则斑点噪声、目标边缘弱化的超声医学图像分割中较难识别目标的问题,提出了一种复小波域中混合概率图模型的超声医学图像分割算法.采用具有近似平移不变性和良好方向选择性的双树复小波变换(Dual tree-complex wavelet transform,DT-CWT)提取超声医学图像6个方向的高频特征信息;其次,为关联目标的弱特征信息并抑制统计独立的高频噪声,构建了复小波域混合概率图模型;尺度间“父-子”节点间标记采用贝叶斯网络进行建模,尺度内邻域间标记采用马尔科夫随机场(Markov random field,MRF)无向图建模,对复小波域中同尺度的特征系数采用高斯混合模型建模,尺度内同标记的观测特征采用高斯模型建模;最后,用迭代条件模式(Iterated conditional mode,ICM)实现MRF中误分割率最小的能量函数最优解,获取标记场,实现超声医学图像分割.实验结果从视觉效果和定量分析两方面验证表明,本文算法能有效地提取超声图像的弱目标信息,较好地定位目标区域,具有较高的分割精度和鲁棒性.

面向微博的概率图水军识别模型

识别微博平台中的水军是一个很有意义的研究问题,目前识别水军的方法多从用户的微博数、注册时间、好友数量等静态属性出发,人工定性地判别水军,然而这些方法很难在实际应用中取得很好的效果.深入分析用户的各种属性与行为,构建能够区分普通用户和水军的属性特征与行为特征,将用户的属性特征作为识别水军的前提条件,而行为特征则是判别其是否为水军的验证结果.依据概率图模型思想,属性特征可以作为模型的输入变量,行为特征是观测变量,用户为水军的概率则是输入与观测变量之间的隐变量,构建一个识别微博水军的概率图模型计算用户为水军的概率.将2个国内外最具代表性的微博平台作为实验对象,分别在2个数据集上进行实验,结果表明提出的模型能够有效地发现各微博平台中的水军.

基于概率图模型的人脸多特征跟踪

同时跟踪具有丰富表情的人脸多个特征是一个有挑战性的问题 提出了一个基于时空概率图模型的方法 在时间域上 ,使用几个相互独立的Condensation类型的粒子滤波器分别跟踪人脸的每个特征 粒子滤波对独立的视觉跟踪问题非常有效 ,但是多个独立的跟踪器忽视了人脸的空间约束和人脸特征间的自然相互联系 ;在空间域上 ,事先从人脸表情库中学习人脸特征轮廓的相互关系 ,使用贝叶斯推理 -信任度传播算法来对人脸特征的轮廓位置进行求精 实验结果表明 ,文中算法可以在帧间运动较大的情况下 。

基于概率图模型的图像整体场景理解特征工程综述

图像特征工程是图像场景理解中的一项重要基础性工作,基于概率图模型的图像整体场景理解特征工程作为其延伸,其复杂性和综合性远高于基本图像理解特征工程。针对这一特点,对图像理解特征工程中的特征提取、表示、学习和变换,基于概率图模型的图像整体场景理解特征工程研究价值和意义、典型特征工程等多方面进行了归纳与分析,重点介绍了四种代表性的基于概率图模型的图像整体场景理解特征工程,并作了详细比较,提出了基于概率图模型的图像整体场景理解特征工程基本框架。最后对未来发展方向进行了展望,为该领域的进一步研究提供参考。