基于贝叶斯反馈修正云模型的虚拟电厂运营风险综合评价方法

研究了虚拟电厂运营风险综合评价体系,为虚拟电厂建设运营提供支撑与指导。首先以运行风险、经济风险、安全风险和管理风险为一级指标构建了虚拟电厂风险综合评价指标库,为虚拟电厂安全可靠运行评价提供了支撑。其次提出了虚拟电厂风险综合评价模型,选用有序加权平均(ordered weighted average,OWA)—改进的层次分析法(analytic hierarchy process,AHP)对指标进行赋权,进而通过基于贝叶斯反馈修正的云模型评价方法得出各级指标的评价分数,用以评价虚拟电厂的风险程度,为虚拟电厂运行改进与优化提供判断依据。最后选取某虚拟电厂进行算例分析验证了所提基于贝叶斯改进云模型的虚拟电厂风险评价指标体系的有效性及优越性。

基于贝叶斯反馈云计算的公路物流供应链整体协调模型

提出了基于贝叶斯反馈云计算模型的公路物流供应链总体协调模型,采用贝叶斯反馈云模型将用户、公路物流供应协调以及企业协同中的模糊概念的定位认识和定量分析融合起来,确保协同实体能够在模糊的程度上更好的协同运作,塑造公路物流反馈云资源的价值分享模型,使得公路物流供应链协调模型能够对外部环境的变化进行及时的反应,采用修正性约束对公路物流供应链协调模型的供应性能进行协调控制,确保所有成员利益的最高化。实验结果说明,该种方法可以给公路物流供应链协调模型带来成本节约,能够满足公路物流建设的需求,具备较强的协调性能,取得了令人满意的效果。

基于贝叶斯反馈云模型的空中目标威胁评估

在现代战争中,空袭与防空作战仍将是主要作战方式之一。对防空方而言,及早发现空袭目标、准确判断空袭意图,是合理分配火力、最大限度发挥自身抗击能力的基本前提。综合考虑了攻防双方及作战环境等因素的影响,建立空中目标威胁评估指标体系。采用云模型理论较好地处理了空袭的模糊性和随机性,通过贝叶斯反馈对专家主观认识差异进行修正,使专家意见更加统一,使威胁评估结果更为简洁合理,便于指挥员快速准确作出决策。

基于贝叶斯反馈云模型的航空发动机性能评估

针对在翼发动机运行性能变化关键时机预测问题,结合贝叶斯反馈分析方法,将在翼发动机运行前后性能信息结合进行反馈,评估当前发动机性能基于初始性能状态的变化关系,不仅实现发动机性能状态准确评估,更能及时预测发动机性能状态变化时机,为在翼发动机可靠运行和及时换发提供决策支持。

融合云模型与贝叶斯反馈的主机安全评估方法

为减少主机安全评估中人为因素的影响,增强评估的可靠性,提出了基于贝叶斯反馈的云模型主机安全评估方法。将云模型与传统的层次分析法相结合,确定主机安全评估指标云模型权重,并通过贝叶斯反馈算法,对主机安全评估隶属云进行校验,给出了共识度较高的云标尺和定性评估云。选取常用的WEB服务器,对融合云模型与贝叶斯反馈的主机安全评估方法进行了评估实验。实验结果表明,该评估方法能更好地校验不同人员的评估结果,通过合理的判定分值形成定性与定量相结合的评估结论。

云计算环境下朴素贝叶斯文本分类算法的实现

采用分布式编程MapReduce模型研究了文本统一格式预处理、训练、测试以及分类等基于朴素贝叶斯文本分类算法主要计算过程的MapReduce并行化方法,并在Hadoop云计算平台进行了实验。实验结果表明:朴素贝叶斯文本分类算法MapReduce并行化后在Hadoop云计算平台上部署运行,具有较好的加速比,对中文网页文本分类识别率达到了86%。

基于线性结构因果模型的服务故障传播路径识别

在云计算环境中,当一个服务发生故障时,故障会随着服务之间的交互行为不断传播,导致产生大规模服务失效的风险。复杂且动态变化的服务调用关系加大了识别服务故障传播路径的难度。针对该问题,提出一种基于因果图的服务故障传播路径识别方法。监测并收集服务的运行数据,通过服务运行数据对服务故障事件完成度量;根据因果图模型推断服务故障事件之间的因果关系并构建服务故障传播图;利用服务故障传播图确定故障传播路径。实验结果表明,该方法能够有效识别服务故障传播路径。

基于Hadoop的贝叶斯过滤MapReduce模型

传统分布式大型邮件系统对海量邮件的过滤存在编程难、效率低、前期训练耗用资源大等缺点,为此,对传统贝叶斯过滤算法进行并行化改进,利用云计算MapReduce模型在海量数据处理方面的优势,设计一种基于Hadoop开源云架构的贝叶斯邮件过滤MapReduce模型,优化邮件的训练和过滤过程。实验结果表明,与传统分布式计算模型相比,该模型在召回率、查准率和精确率方面性能较好,同时可降低邮件过滤成本,提高系统执行效率。

面向云计算环境的动态故障检测与诊断方法

在现代云计算系统中,通常会有成百甚至上千个云服务器通过多层网络相互连接,在如此大规模的复杂系统中,发生故障是一件很常见的事情。主动性故障管理是表征系统行为并预测云环境下故障动态的一项关键技术。为了预测云环境下的故障情况,我们需要监视系统的执行情况并收集与运行状况相关的运行时性能数据。但是,在新部署或者托管的云系统中,这些数据通常是没有标签的,在这种情况下,基于监督学习的方法是不合适的。在本文中,我们提出了一种使用贝叶斯模型集成的无监督故障检测方法,它可以表征系统的正常运行状态并检测异常行为,由系统管理员验证异常之后,对这些数据打上标签。在我们搭建的Hadoop集群下运用此种方法的实验结果表明,我们的方法可以实现较高的真阳率和较低的错误率。

基于贝叶斯模型的AIO-Care智慧助老平台

目前,我国人口老龄化日趋严重,为帮助社会解决助老扶老的难题,设计了一种基于单峰贝叶斯模型的AIOCare智慧助老平台。利用人工神经网格算法自动完成贝叶斯模型的构建,能通过主动学习用户的偏好进行温度调节,提高对老人健康的监测和疾病的预测。利用摄像头里的云计算平台对陌生面孔进行识别确认,并与报警系统相连通。利用加速度传感器和机器视觉系统确定老年人是否出现跌倒的情景,并通过云计算资源的算法模型主动学习对设立的跌倒模型进行修正。从而提供一定的助老服务,为社会的养老难题提供新思路。

贝叶斯反馈云模型的分析与设计

将人类认知的先验性和云模型的特点结合起来,构建了贝叶斯反馈云模型.对不确定性概念的定量和定性测度在人机之间相互转化进行了分析,对云滴校验进行了详细的设计,给出了贝叶斯反馈云的统计描述.利用该模型可使协同实体对不确定概念的认识更清晰化,并且可提高协同效率.

基于云模型与贝叶斯反馈的网络安全等级评估方法

鉴于测评人员对信息系统等级保护测评中网络安全评估的测评指标理解的局限性、评判的模糊性以及量化打分中判定区间的不确定性,将云模型与贝叶斯反馈算法相结合,采用云模型理论来处理评估结果的模糊性和随机性。由于传统的一维逆向云算法出现超熵为虚数的情况,因此,使用无确定度逆向云算法来避免这种情况的发生。通过建立贝叶斯反馈云模型,对给出的测评结果进行检验和修正,使评估结果更加客观,准确。根据已修正网络安全整体评估云的期望和熵,给出合理的安全等级判定区间,作为实际测评中等级评估的依据。实例验证表明,该评估方法可以有效地修正测评人员评估结果之间的差异,实现合理的判定划分,给出客观、准确的等级评估结果。

可信云计算平台多源大数据时间序列调度算法

可信云计算平台多源大数据时间序列调度性能过差会增加平台传输能耗和运营成本,降低多源大数据利用率,为使平台内数据能根据任务目标合理完成时间序列调度工作,提出可信云计算平台多源大数据时间序列调度算法,该方法首先构建混沌时间序列模型挖掘可信云计算平台多源大数据,并利用小波阈值降噪方法优化多源大数据,然后将优化后的多源大数据与海量并行贝叶斯因子化分解方法相结合,根据该方法输出的时间序列调度策略,实现可信云计算平台多源大数据时间序列调度。实验结果表明:本文方法加速比最高为97.2%,资源调度总功率仅为2300 kW,负载均衡离差不超过0.2。

艰险山区铁路桥隧技术接口悬挂威胁等级评估

艰险山区环境条件极端恶劣、地质灾害频发,铁路沿线桥隧工程占比大,为提高桥隧工程技术接口管理水平,构建贝叶斯反馈修正云模型对桥隧技术接口悬挂威胁等级进行评估。首先,以铁路桥隧工程技术接口为基础,考虑不同参建方之间的接口共性问题和艰险山区铁路建设面临的一系列技术难题对接口悬挂的影响作用,从业主方因素、勘察设计方因素、承包方因素、与项目关联的其他因素、外界因素5个方面出发,构建了桥隧工程技术接口悬挂威胁等级评价指标体系,并利用IFAHP法进行赋权。然后,运用贝叶斯反馈修正原理构建了艰险山区铁路桥隧工程技术接口悬挂威胁等级评估模型。最后,以贡多顶隧道和奔中车站双线大桥桥隧工程技术接口为例,对其悬挂威胁等级进行评估,并借助MATLAB进行可视化分析。通过工程实例表明,该技术接口悬挂威胁综合等级为严重,其中勘察设计因素对桥隧技术接口的悬挂威胁程度最高。

从极课大数据看概念的二重性理解——以函数概念为例

一、关于极课大数据 极课大数据是一套基础教育学业采集与学情追踪反馈系统,是基础教育大数据形成与应用的信息化解决方案.产品以常态化学业信息采集存储和集中式动态学业档案管理为基础,通过图像模式识别,云计算技术,大数据分析,结合先进的IPH适应性教学模型来提升教学效率.本文以极课软件为基础,依托极课大数据从概念的两重性角度来分析高中生函数概念的理解程度.