基于零知识交互式证明和Bayesian信誉网的小世界P2P模型

针对当前P2P(Peer-to-Peer)系统在网络拓扑和信誉评估机制结合方面的不足,设计一种基于角色和信誉访问控制机制的可信小世界P2P(SW-R2P)模型.模型使用零知识交互式证明(ZKIP)算法,在不传输节点身份相关信息的前提下安全地验证对等节点的组信息,并以此作为构建小世界网络拓扑的基础.通过Bayesian信誉网对节点和组的多方面信誉进行评估,从而影响节点的各种操作和组之间连接的建立.仿真实验结果表明,SW-R2P模型在资源查找成功率、网络聚合度以及节点信誉偏差等方面的性能优于Chord和R2P模型.SW-R2P模型结合了ZKIP算法、Bayesian信誉网和小世界拓扑的优势,实现了一种可信、安全和高效的P2P网络架构.

基于遗传算法的Bayesian网结构学习研究

从不完备数据中学习网络结构是 Bayesian网学习的难点之一 ,计算复杂度高 ,实现困难 .针对该问题提出了一种进化算法 .设计了结合数学期望的适应度函数 ,该函数利用进化过程中的最好 Bayesian网把不完备数据转换成完备数据 ,从而大大简化了学习的复杂度 ,并保证算法能够向好的结构不断进化 .此外 ,给出了网络结构的编码方案 ,设计了相应的遗传算子 ,使得该算法能够收敛到全局最优的 Bayesian网结构 .模拟实验结果表明 ,该算法能有效地从不完备数据中学习 .

基于遗传算法的动态Bayesian网结构学习的研究

动态Bayesian网是复杂随机过程的图形表示形式 ,从数据中学习建造动态Bayesian网是目前的研究热点问题 .本文针对该问题提出了一种遗传算法 .文中设计了结合数学期望的适应度函数 ,该函数利用进化过程中的最好动态Bayesian网把不完备数据转换成完备数据 ,使动态Bayesian网的学习分解为两个Bayesian网 (初始网和转换网 )的学习 ,简化了学习的复杂度 .此外 ,文中给出了网络结构的编码方案 ,设计了相应的遗传算子 .模拟实验结果表明 ,该算法能有效地从不完备数据序列中学习动态Bayesian网 。

Bayesian网中概率参数学习方法

Bayesian网已经成为AI领域的研究热点 ,并在现代专家系统、诊断系统及决策支持系统中发挥着至关重要的作用 .Bayesian网的研究主要集中在三个方面 :知识表示、学习与推理 .概率知识是Bayesian网坚实的数学基础 ,从数据中学习分布参数使得Bayesian网逐步走向现实应用 .本文介绍和比较了概率参数学习的各种常用方法 ,并探求了它们在不同应用背景下的优缺点 .基于经典统计学的方法理论成熟 ,计算简单 ,但它只利用了实例数据集合所提供的信息 ,无法加入专家知识 ,对实例数据的依赖性大 ;基于Bayesian有机结合了两类信息 ,对实例数据的依赖性降低 ,学习结果更加准确 .参数学习是Bayesian网学习的基础 ,是Bayesian网结构学习必不可少的部分 .

基于遗传算法的Bayesian网中连续变量离散化的研究

文中对如何从含有离散变量和连续变量的混合数据中学习 Bayesian网进行了研究 ,提出了一种基于遗传算法的连续变量离散化算法 .在该算法中给出了兼顾离散模型准确度和复杂度的适应度函数 ;并基于对离散化的实质性分析 ,定义了离散策略等价的概念 ,由此制定了离散策略的编码方案 ;进一步设计了变换离散策略的遗传算子 .该算法不存在局部极值问题 ,且不需要事先给定变量序关系 .模拟实验结果表明 ,该算法能有效地对连续变量离散化 ,从而使得从混合数据中学到的 Bayesian网具有较好性能 .

基于遗传算法的Bayesian网结构增量学习的研究

已建成的Bayesian网与领域环境间可能存在较大偏差,加之领域本身固有的动态变化特性,因此在观察到新数据时,改善Bayesian网的性能和优化网络结构是十分必要的.提出了一种基于遗传算法的Bayesian网(包含结构和参数)求精算法.该算法基于上次的求精结果把已有的不完备数据转化成完备数据,以期望充分统计因子作为已有数据的主要存储形式,基于本次求精过程中的当前最佳个体对新数据进行完备化,并由遗传操作综合利用新数据和已有数据进行求精.模拟实验结果表明,该增量学习算法能较有效地从不完备数据中求精Bayesian网.

由Markov网到Bayesian网

Markov网 (马尔可夫网 )是类似于 Bayesian网 (贝叶斯网 )的另一种进行不确定性推理的有力工具 .Markov网是一个无向图 ,而 Bayesian网是一个有向无环图 .发现 Markov网不需要发现边的方向 ,因此要比发现Bayesian网容易得多 .提出了一种通过发现 Markov网得到等价的 Bayesian网的方法 .首先利用信息论中验证信息独立的一个重要结论 ,提出了一个基于依赖分析的边删除算法发现 Markov网 .该算法需 O(n2 )次 CI(条件独立 )测试 ,CI测试的时间复杂度取决于由样本数据得到的联合概率函数表的大小 .经证明 ,假如由样本数据得到的联合概率函数严格为正 ,则该算法发现的 Markov网一定是样本的最小 I图 .由发现的 Markov网 ,根据表示的联合概率函数相等 ,得到与其等价的

移动自组网中一种基于信誉的安全分簇算法

针对分级结构移动自组网的安全问题,提出基于信誉的安全分簇算法.利用信誉提高簇结构安全性,信誉由邻居节点通过对网络行为的监测进行计算,通过节点间信誉的交换提高信誉评估的准确性,并通过相关度和相对移动性两个指标保障簇结构的稳定性.依据通信需求和网络运行状况综合考虑信誉、相关度和相对移动性三个因素进行节点权值计算,利用节点权值进行簇结构的建立、维护和更新,加强对簇首和网关节点的安全监管.仿真结果表明,该算法提高了系统的安全性和稳定性.

Bayesian网推理中的化简方法

针对Bayesian网的一般推理是NP难的,在很多情况下,具体查询时简化Bayesian网结构可以明显减少计算量的特点.提出一种可以实现这种策略的3个操作:分离、替换和遍历.实验表明,这种策略一般可以提高计算效率,有时会有明显作用.

Bayesian网知识推理在ITS学习推荐中的应用研究

提出了一种基于Bayesian网的知识推理网络和知识推理算法,该算法利用Bayesian知识推理网和Bayesian概率公式,从现有学习资源库和教学方法库中推荐出最符合学生特征的k种学习资源和k种教学方法,从而实现ITS的智能学习推荐功能。

基于免疫进化算法的Bayesian网结构学习

利用免疫进化算法(IEA),借助遗传和接种疫苗操作将基于打分和基于约束的两类Bayesian网结构学习方法有机地结合在一起,提出一种新的Bayesian网结构学习方法.通过与基于遗传算法的Bayesian网结构学习方法EGA(Expectation&Genetic A lgorithm)的对比试验表明,所提出算法的收敛速度更快、学习得到网络的精度更高.

Bayesian网中的独立关系

Bayesian networks are compact representation of joint probabilistic distribution. Independence is soul of Bayesian networks because it enables to save storage space,to reduce computational complexity and to simplify knowledge acquisition and modeling. In this paper,we discuss three kinds of independences in Bayesian networks :conditional independence,context-specific independence and causal influence independence.

基于链图的Bayesian网结点聚集

提出了一个基于链图将Bayesian网的结点聚集算法。将Bayesian网转化为链图,将链图上等价的结点集当作一个领域并用一个新的结点来表示,修改整体结构和参数,从而完成对整个Bayesian网的修正。聚集之后的Bayesian网可以使领域之间的概率关系更清晰明显,优化Bayesian网的结构表示。

基于扩展关系模型的多Bayesian网依赖结构的合并

贝叶斯网是一个每个结点都带有一张概率表的有向无环图,它可以有效地表示不确定性知识并进行知识推理。知识系统在很多时候不得不将来自不同信息源或者同一信息源不同时刻的知识合并起来。Bayesian网作为一个知识系统,所以也会面临将多个Bayesian网提供的信息结合起来。本文提出一个基于扩展的关系数据模型和条件独立的算法,该算法将多个Bayesian网合并成为一个Bayesian网,并且尽可能地保留每一个Bayesian网的信息。

基于多层Bayesian信任网的P2P负载均衡模型

针对基于信誉机制的P2P(Peer-to-Peer)网络中的负载不均衡现象,提出一种基于多层Bayesian信任网的P2P负载均衡模型,介绍了如何在Bayesian信任网中引入多种负载指标以及它们之间的各种关联,并且使用该结构预测P2P网络中各服务节点的负载,使整个网络达到负载均衡.对包含负载指标的多层Bayesian信任模型和动态负载模型进行了实验比较.实验结果表明:基于Bayesian信任网的P2P网络负载均衡模型运用节点的历史交互信息,结合Bayesian预测理论,影响资源请求节点选择服务节点,实现P2P负载的有效均衡,确保整个P2P网络资源利用的高效性、节点服务的可靠性以及整个网络的稳定性.

面向信誉的自组网节点合作方法

针对移动自组网中自私节点出于节省资源而表现出不合作行为及丢弃待转发数据等问题，提出了一种面向信誉的自组网节点合作（CMC）方法，且第一次引入了共同邻居监听技术．看门狗在对下一跳转发节点进行监听的同时，可对周围不相关的数据流进行监听，从而加快了系统对不合作节点的检测速度．在路由发现过程中，CMC对路由控制消息进行了过滤，丢弃含有不合作节点的路由请求包和路由应答包，使源节点发现的路由能尽量绕过不合作节点．在ns-2下的仿真结果表明，当网络中存在10％～60％的不合作节点时，CMC能够使合作节点的吞吐率提高lO％～40％．

基于Bayesian网的蔬菜质量安全追溯模型构建

蔬菜产品的质量安全是当前亟待解决的问题,只有从蔬菜的种植源头抓起,找出蔬菜生产过程中影响蔬菜质量安全的关键因素,结合蔬菜生产流程,建立完善的可追溯模型,才能真正实现蔬菜生产的质量安全监控。为此,建立了基于Bayesian网的蔬菜质量安全追溯初始模型,通过该模型可兼顾"事先"预防和"事后"追踪,从而保障蔬菜的质量安全。

国家形象多重塑造中的信誉与情感证明——基于中外合拍片英语评论的语义网分析

国际合拍是一种融合了自塑与他塑的国家形象塑造方式,地理题材中外合拍纪录片在中国国家形象塑造中被寄予期待。基于这类作品在全球最大视频平台上引发的英语评论的语义网分析,开放平台上的用户生产内容,丰富了传统媒体时代国家形象他塑的新意涵;国际用户对中国形象产生了较为明确的认知或正面联想,但这些认知也呈现出不同的图景,其对应的合拍作品在修辞要素使用上有所不同。其中,修辞者中的国外合作方,为信誉证明提供了一种新的渠道,与作品内部叙述者一道,提供着可信度;而在最高主题与最低主题中同时展开叙事的合拍片,拥有丰富的情感证明要素,实现层次立体的形象塑造。

装备研制中的Bayesian网及其应用

针对装备研制过程中产生的大量试验和调试数据,提出采用Bayesian网挖掘各组成单元间的依赖关系,并对Bayesian网学习中基于信息论的方法进行了改进,使确定网络拓扑结构的过程更加客观.学习得到Bayesian网后,分析了其在失效源判定和发现设计缺陷等方面的应用.

网购平台与在线卖方在信誉评级中的合谋行为

针对网购平台与在线卖方在信誉评级过程中的合谋行为,通过建立网购平台与在线卖方的动态博弈,在满足一定条件下可以得到结论:导致在线卖方与网购平台合谋刷取信誉分来欺骗消费者的主要原因包括消费者对信誉分数的过度依赖、合谋被发现的概率以及承受的损失过小等;网购平台的合谋动机甚至要大于在线卖方;信誉分数接近平均分数的在线卖方更有可能行贿网购平台来获取虚假信誉分数。