基于DBN的飞行保障力量配置辅助决策方法

为弥补机场飞行保障活动中全员出动和比例配置决策方法的不足,构建了基于动态贝叶斯网络(dynamic Bayesian network,DBN)的机场飞行保障力量配置辅助决策模型。在量化保障力量强度的基础上引入隐马尔可夫模型和Hausdorff距离算法,对不同条件下的飞行保障活动进行辅助决策,并定义相关决策评估指标作为模型验证依据。分别对两种情况的机场飞行保障活动进行仿真试验,结果表明,通过决策模型可以生成指标优于传统比例配置的方案,并且可对保障力量缺口补充提供决策支持依据。

基于动态贝叶斯网络的多Agent交互的模型表示

动态贝叶斯网络(Dynamic Bayesian Networks，DBNs)是对具有随机过程性质的不确定性问题进行建模和处理的一个有力工具。该文将Agents技术和DBNs相结合来对两个以上的人的行为进行建模。提出一种分解和合并的方法来解决两个以上的Agents构成的DBNs的模型表示在计算上的难以处理性，同时还提高了模型的表示能力，且能表示变量之间互为因果的关系。

1(1/2)片联合树算法在动态贝叶斯网精确推理中的应用

基于动态贝叶斯网络处理动态不确定性问题的过程中推理是非常重要的,而推理算法的优劣决定着推理的执行效率。该文提出一种较简单的112片联合树算法,在不需要限制消去顺序且只作一次扩展的条件下构造联合树,所以算法简单且具有较小的复杂度。

基于振动信号的轴承早期异常状态识别方法研究

针对轴承早期异常状态识别问题,提出了一种基于振动信号和HSMM-DBN的轴承早期异常状态识别方法,研究了隐半马尔科夫模型转换为动态贝叶斯网络(HSMM-DBN)的优点和基本过程,并应用该方法对试验数据进行了分析。结果表明,该方法能够有效识别轴承故障的早期异常状态,为机械设备异常状态识别提供了一种新的有效方法。

动态贝叶斯网精确推理中联合树算法的改进

基于动态贝叶斯网络处理动态不确定性问题的过程中推理是非常重要的,而推理算法的优劣决定推理的执行效率。在分析联合树性质的基础上提出一种较简单的112片联合树算法,该算法不需要限制消去顺序且只做一次扩展。讨论了算法的复杂度、并做了试验比较。

基于分层动态贝叶斯网络的股市趋势扰动推理算法

当前研究者主要通过对历史交易数据的学习生成预测模型,由于影响市场的因素动态可变,因此训练好的模型在实际应用中预测效果远不及预期.针对现有预测模型适应力较弱的问题,文中提出基于分层动态贝叶斯网络的股市趋势扰动推理算法,对股市趋势进行实时预测.首先,针对稳定性较高的均线数据,通过马尔可夫毯对均线特征进行融合,提取为均线能量,得到均线的量化特征.由于多根均线之间存在结构关系,这种结构关系具有较强的抗噪能力和稳定性,因此利用分层动态贝叶斯网络对单根均线内部结构和多均线之间结构关系进行建模.然后,对顶层网络中多结点状态进行扰动,通过动态灵敏性分析实时计算结点状态变化对于股市趋势影响力.最后,基于灵敏分析的结果,利用联合树对股市趋势进行动态推理.在实际数据上的实验证明文中算法的有效性.

基于动态贝叶斯网络的目标侦察信息处理研究

动态贝叶斯网络是对具有随机过程性质的不确定性问题进行建模和处理的有力工具.战场环境随机变化使得侦察信息处理变的复杂化,从而影响决策的具体方式或决策方向.本文提出将隐马尔可夫模型图形模式与模糊推理结合起来构成DBN,将其用于战场侦察情报的推理分析.首先建立动态贝叶斯网络的环境变化感知模型,而后应用Viterbi解码算法获得当前隐含序列最优估计,通过HMM状态转移矩阵可预测出未来环境变化趋势,最后应用模糊推理得到问题的最优的决策或优先采用的解决方式.仿真结果表明了模型的可行性.

动态贝叶斯网精确推理中联合树算法的改进

基于动态贝叶斯网络处理动态不确定性问题的过程中推理是非常重要的,而推理算法的优劣决定推理的执行效率;文章在分析联合树性质的基础上提出一种较简单的3/2片联合树算法,该算法不需要限制消去顺序且只作一次扩展;讨论了算法的复杂度,并作了试验比较。

基于动态贝叶斯网络的汉语方言辨识

方言的差异性在语音层面上反映在时间序列结构的不同。传统的语音建模方法只能建立稳定的时间序列结构,而方言语音是典型的动态时变时间序列结构。为了更好地提取方言时间序列结构,文中采用动态贝叶斯网路(DBN)进行建模分析,并对DBN的构建方法进行了研究,这种结构与常用于语音识别中的隐马尔可夫模型的不同之处在于它揭示多个时间片内的节点之间的影响。文中探索了不同结构和参数对识别效果的影响。文中的研究表明动态贝叶斯网络对汉语方言的识别比传统方法要好,识别率达到了98.9%。

基于动态贝叶斯网络的动态故障树分析

针对传统的动态故障树Markov链分析方法的不足,研究了优先或门、顺序相关门、功能相关门、存在公共备件的备件门和层叠功能相关门向动态贝叶斯网络的转化方法以及基于动态贝叶斯网络的顶事件概率、重要度等计算方法.用该方法对心脏辅助装置进行了分析,通过与Markov链、离散时间贝叶斯网络分析的结果比较表明,基于动态贝叶斯网络的建模分析方法可以有效地避免组合爆炸,而且能够保证较高的求解精度.