基于贝叶斯神经网络的相位梯度计算方法

应变重构是相衬光学相干层析力学性能表征中的关键步骤,其需要准确计算出差分包裹相位的梯度分布。为了能够解决强噪声干扰下的相位梯度重构信噪比低的难题,提出了一种基于贝叶斯神经网络的相位梯度计算方法。首先,通过计算机模拟不同散斑噪声等级下的包裹相位图,并生成相应的理想相位梯度,以构建网络的训练集。其次,基于网络训练集采用贝叶斯推断理论学习强噪声环境下的包裹相位与相位梯度的“端到端”映射关系。最后,将相衬光学相干层析测量的差分包裹相位结果送入贝叶斯神经网络进行处理,实现高信噪比相位梯度预测。此外,通过借助贝叶斯神经网络的统计特性,以模型不确定度来定量评估相位梯度预测结果的可靠性。通过数值实验和三点弯曲力学加载实验对比分析了本文方法和主流矢量方法的性能。实验结果表明:在噪声较小的条件下,本文方法重构的相位梯度信噪比可提升8%;在噪声较强条件下,本文方法能成功恢复因相位条纹难以分辨而无法计算的相位梯度。此外,模型不确定度能够定量分析网络的相位梯度预测误差。可以预见,在样品形变复杂且先验信息未知的条件下,本工作为相衬光学相干层析提供了一种有效的应变重构方法,从而能实现高质量和高可靠的内部力学性能表征。

金属混合暴露与学龄儿童血清C3、C4水平的暴露-反应关系

目的分析金属混合暴露对学龄儿童血清补体C3、C4水平的影响,评估金属污染物的免疫毒性。方法研究对象为华东地区某市250名12~15岁学龄儿童,利用电感耦合等离子体质谱法测定尿液中金属/类金属(以下称“金属”)浓度,全自动生化分析仪检测血清C3、C4水平。针对检出率大于90%的16种金属进行分析,利用多元线性回归分析单一金属暴露对补体的影响,利用弹性网络、贝叶斯核机器回归(BKMR)和分位数g计算回归分析金属混合暴露的影响。结果线性回归模型分析发现,尿铅每升高0.36μmol/mol肌酐,血清C4升高4.51%[假发现率(false discovery rate,FDR)=0.047];尿砷每升高20.06μmol/mol肌酐,血清C4降低5.44%(FDR=0.035)。在混合暴露效应分析中,弹性网络筛选出与血清C3相关性较大的金属为锰、镍、钨和铅,与血清C4相关性较大的为镍、砷、锶和铅。BKMR结果显示,血清C3浓度随混合暴露增加呈升高趋势但无统计学差异,血清C4浓度显著降低。分位数g计算回归结果显示,血清C3水平与金属混合暴露未见统计学差异(P=0.812),血清C4水平(ln转换)随混合暴露(ln转换)每增加25%降低0.041(95%CI:-0.079~-0.002,P=0.042)。混合暴露中尿砷对血清C4浓度降低贡献程度最大,其次为尿镍。结论儿童血清C4水平降低与金属混合暴露显著相关,砷和镍是血清补体水平降低的关键组分。

目标动态威胁度驱动的分布式组网相控阵雷达资源优化分配算法

针对分布式组网相控阵雷达多目标跟踪(MTT)场景,该文提出一种目标动态威胁度驱动的波束分配与驻留时间联合优化算法。首先,在采用分布式组网架构的基础上,推导包含波束和驻留时间分配的贝叶斯克拉美罗界(BCRLB)。其次,基于目标实时运动状态构建综合威胁度评估尺度,按照威胁度为不同目标设计基于跟踪精度参考门限和贡献度的效用函数,以此衡量资源在多目标间的优先分配关系。随后,将该效用函数结合组网相控阵雷达系统资源,建立了目标动态威胁度驱动的波束分配与驻留时间联合优化模型。最后,采用一种基于奖励的迭代下降搜索算法进行求解。仿真结果表明,相较于平均资源分配方法,所提算法具备对若干差异性目标的跟踪精度需求感知能力,能够在基于多目标威胁度评估的基础上,有针对性地分配跟踪资源,从而有效提高组网相控阵雷达面对不同威胁度目标时的综合跟踪精度。

基于贝叶斯网络的航班延误波及研究

在民航业内,航班延误波及问题一直是影响航班延误的一个主要因素。基于贝叶斯网络(BN),讨论了在繁忙的枢纽机场,其航班延误的波及问题。在实验中使用的数据,皆来自国内某大型航空公司的真实记录。通过建立延误波及模型和贝叶斯网络模型,探讨了相关航班中,进港延误和航班取消对离港延误的影响。学习的结果显示了进港延误(Arrival-delay)对离港延误(Departure-Delay)的波及现象的存在;以及波及现象在不同情况下的程度不同;相应的可采取的应对方式亦不相同。其中航班取消是一种釜底抽薪的应对方法,可以在一定程度上削弱上述条件下的延误波及,其削弱程度与航班取消的架次有关。基于该研究可以在机场发生大规模延误时,提供一个基本的参考。

主动贝叶斯网络分类器

在机器学习中 ,主动学习具有很长的研究历史 .给出了主动贝叶斯分类模型 ,并讨论了主动学习中几种常用的抽样策略 .提出了基于最大最小熵的主动学习方法和基于不确定抽样与最小分类损失相结合的主动学习策略 ,给出了增量地分类测试实例和修正分类参数的方法 .人工和实际的数据实验结果表明 。

基于贝叶斯网络的装备部件战斗损伤评估模型

将破片作为部件损伤的研究对象来说明损伤函数的表达方式及存在的问题,提出利用贝叶斯网络进行装备部件战斗损伤评估的方法。分析了引起部件损伤的相关因素,利用专家经验等先验知识对其属性值进行离散化处理后得到损伤因素属性列表。在此基础上建立贝叶斯网络评估模型。最后通过实例证明了该方法的可行性。

基于贝叶斯网络的不确定环境装备故障推理模型

针对不确定环境下装备故障传播及推理问题,提出了一种基于贝叶斯网络的故障推理模型,利用网络结构与概率分布有效表达装备中各部件故障状态、关联关系及传播方式。首先将模型中变量按照其对应部件在装备中所处地位及层次的差别进一步分为故障检测变量、故障原因变量与故障模式变量三个子集。其次,依据维修人员在故障推理过程中的思维方式,提出了一套符合故障推理任务的模型网络结构有向边取向规则。然后,分析故障推理模型中变量条件概率分布特点,明确其在不确定性表达及参数简化中的优势。最后,建立平视显示器的故障推理模型实例,结合贝叶斯网络推理能力进行故障预测及诊断分析,验证模型的有效性。

基于BPN方法的电网故障诊断

针对电网发生故障时,故障信息不完整或不确定,难以得到正确结论,以及贝叶斯理论虽在解决不完整数据上具有优势但不能大规模建模的问题,定义了贝叶斯Petri网(BPN),提出了基于BPN方法的电网故障诊断算法。利用某电网对该算法进行验证,结果表明,该算法能够快速准确诊断故障元件,提高了诊断的容错性。

基于贝叶斯网络的网络安全评估方法研究

通过分析贝叶斯网络在计算机网络安全评估中的适用性,提出了一种新的网络安全评估方法。将贝叶斯网络应用于网络安全评估,建立了不依赖于安全漏洞的安全评估模型,引入虚拟主机概念解决多层网络结构的安全评估问题。结果表明,基于贝叶斯网络的网络安全评估方法能够综合考虑网络的特性(即先验信息)和环境(样本信息),减少主观偏见和噪声影响,能够缩短网络安全评估时间,而且易于实现。

陆军作战指挥实体动态决策建模问题研究

为满足现代战争陆军各级各类指挥所开展方案模拟论证与计划仿真评估的需要,在领域专家经验以及军事规则的支持下,提出了一种基于动态贝叶斯网络的指挥实体动态决策建模方法。通过对动态决策规则的结构化描述,构建了陆战场态势的动态贝叶斯网络模型,基于贝叶斯网络推理模型进行态势相关估计,实现对陆战场的实时变化态势动态分析、理解与判断,可以较好地体现作战系统的复杂自适应的特性,为解决陆军指挥实体动态决策建模问题提供了一种较好的解决办法。

基于故障树和贝叶斯网络的动车组走行部运用可靠性分析方法

为克服故障树分析法对事件二态性假定的局限，根据故障树与贝叶斯网络的映射关系（事件-节点、逻辑门-连接强度），将动车组走行部故障树中的事件看作是贝叶斯网络中的节点，采用多维变量描述节点（事件）的多态性；将与故障树中逻辑门对应的贝叶斯网络连接强度用相应的条件概率表示，计算系统故障的概率分布。对动车组走行部基础制动系统故障概率分布的计算分析结果表明，考虑事件的多态性和逻辑关系的不确定性，综合利用故障树分析法和贝叶斯网络法能有效提高动车组走行部运用可靠性分析的质量，推算出的系统故障概率分布更为准确。

基于知识元与动态贝叶斯网络的非常规突发灾害事故情景分析

为提高非常规突发灾害事故情景分析的有效性和全面性,在界定非常规突发灾害事故情景概念的基础上,基于知识元表示非常规突发灾害事故的情景,利用动态贝叶斯网络对非常规突发灾害事故情景演变进行构建;以大连"7·16"中石油储运公司油库火灾为例,演示基于知识元和动态贝叶斯网络的非常规突发灾害事故情景分析方法的具体流程,并对推演结果进行分析。推演结果显示,18时12分输油管线爆炸起火的概率为72.0%,18时19分T103罐爆炸起火的概率为92.6%,21时30分泵房爆炸起火的概率为87.5%,与实际情况基本一致,证明了该方法的有效性和可行性。

用于态势评估中因果推理的贝叶斯网络

Causal reasoning plays an important role in situation assessment (SA). Using Bayesian networks to find out the hidden patterns between situation hypothesis and events is the function needed to accomplish in situation as sessment. Based on different link relationship,a Bayesian network model for situation assessment is analyzed in this paper. To overcome the weakness of this model in application for dynamic changed scenario ,this paper presents an approach that uses a dynamic Bayesian network to represent features of the situation hypothesis and events. And the algorithms of propagation of corresponding information through the network are introduced respectively.

结合定性知识的定量贝叶斯模型外推方法

针对新设计域中试验数据有限而难以进行模型验证的问题,提出了定性知识与定量贝叶斯推理相结合的模型外推方法.其中,量化方法用于将领域专家意见等定性知识转化为先验概率;贝叶斯网络及限定抽样范围的蒙特卡罗方法用于定量推理,并通过贝叶斯区间假设检验的贝叶斯可信度提供模型外推结果.对Sandia国家实验室某静态力学结构的研究表明,该方法能有效实现新设计域不确定性系统的模型可信度外推.

分层隐Markov模型在设备状态识别中的应用研究

与传统的隐Markov模型(HMM)相比较而言,应用分层隐Markov模型(HHMM)对设备进行状态识别有诸多优点,而且能以概率的形式更为精确地计算识别结果。针对模型参数随着设备状态的增加呈指数倍增这一问题,引入动态贝叶斯网络这一新的方法,由于该方法可以有效地降低模型的计算复杂度并缩短推理时间,所以将HHMM表达为动态贝叶斯网络,利用预处理的振动信号对设备的健康状态进行识别;针对现有状态分类方法的局限性,提出了基于K均值算法和交叉验证方法相结合的状态数优化方法;以齿轮箱全寿命实验为依据,对该模型实现状态识别的基本框架和计算过程进行了研究,研究结果为复杂设备的状态识别提供了新的思路。

实现态势估计的一种推理方法

1 引言美国联合领导实验室(JDL)数据融合小组(DFS)建立数据融合处理模型肥数据融合分为三级;一级是对目标位置和身份的估计;二级是对敌、我军事态势估计;三级是敌兵力威胁估计。态势估计接受一层融合的结果,从中抽取对当前军事态势尽可能准确、完整的感知,为指挥员决策提供直接的支持,是C^3I系统的“高级神经中枢”。目前态势估计尚没有完整的定义。

基于多特征量贝叶斯融合的驾驶疲劳识别

针对保局投影的局限提出了正交流形保持投影方法,通过在LPP目标函数中引入非临近约束,保持了样本在低维空间中的局部和全局结构,采用正交化过程重新求解了投影矩阵,使得投影后的特征维数进一步降低,提高了通过表情进行驾驶疲劳识别的准确性;为了进一步降低识别的误警率,通过贝叶斯网络实现了基于疲劳表情、哈欠频率、眼睛闭合度等特征融合的疲劳检测,通过实验验证了以上过程的优越性。

基于贝叶斯网的作战效能评估方法研究

对贝叶斯网理论进行了拓展，建立了基于贝叶斯网的作战效能评估模型，并研究了模型的求解方法。最后，以反辐射导弹攻击雷达站作为算例进行了应用研究。

飞机作战效能评估中人的可靠性的引入方法

分析了目前的研究现状,提出了在飞机作战效能评估中引入人的可靠性的思想,分析了飞行员可靠性的特点,对在作战仿真和解析计算评估中的引入方法作了相应的探讨和研究。

基于合同网的虚拟企业多智能体协商研究

协商是虚拟企业成员之间协作的一种实现方式。通过深入分析多智能体的协商框架、协商模型和协商过程等,在合同网协议的基础上,构建多智能体协商体系框架,并结合贝叶斯决策方法,来建立自学习协商模型。根据协商中的更新信息,实时更新智能体信念,实现多智能体协商过程的自学习功能。从而有利于提高协商效率,改善网络通信,保证虚拟企业的敏捷性和协商双方的利益。