一种改进的多模块贝叶斯网络局部推理算法

针对多模块贝叶斯网络的局部推理的时间和空间复杂度高的问题,提出了一种改进的多模块贝叶斯网络局部推理算法.该算法用面向对象语言重新定义了多模块贝叶斯网络模型,在联合树推理算法的基础上结合图论中"顶点度"的概念对局部推理算法进行了优化,针对三角化结果不唯一的问题,给出了一种一般性的解决方案,使三角化后的结果能够将消息传递得更快,有效地缩短推理时间.给出了算法的仿真实例并进行实验分析,结果表明改进后的推理算法有效减小时间、空间复杂度.

基于动态贝叶斯网络的战斗目标综合推理识别

针对空战战场环境下的目标可靠识别,提出了基于动态贝叶斯网络的战斗目标综合推理识别方法。分析了目标属性的多层次及状态变量关系,提出了层次化的战斗识别动态贝叶斯网络拓扑结构及其参数设定方法,并运用时间片联合树算法进行不确定性动态推理,实现动态的目标属性判断与识别。仿真结果给出了目标的多层次属性信息,验证了模型的有效性。

基于SQAG模型的攻击熵优化算法

为降低网络安全风险,更好地实现网络攻击路径的优化,在现有网络攻击图的基础上构建SQAG模型对网络攻击进行建模。该模型将攻击过程离散化,每一时刻的攻击图包含攻击者在当前时刻已经占据的节点。同时利用攻击熵优化算法对子攻击路径进行成本收益分析,从而消除冗余路径。通过对攻击过程进行合理的推演,将精确推理的联结树算法应用到时序网络攻击图中,实时得到任意时刻攻击图的节点置信度。实验结果表明,在防火墙收紧访问尺度情况下,该模型网络攻击节点置信度随时间延长而降低,利用攻击熵优化算法消除冗余路径,可得到更准确的节点置信度。

贝叶斯网络中基于联合树算法的学生模型更新方法研究

在已建立的覆盖型贝叶斯网络学生模型的基础上,用联合树算法来实现推理更新.通过建立Moral图、构造三角化图、区分团节点,然后将学生模型转化为联合树的结构,最后通过消息传递来完成整个学生模型的更新.

基于贝叶斯网络的海盗袭击事件影响因素

为分析海盗袭击事件的影响因素,减少海盗袭击事件的发生,保障海上运输安全,引入贝叶斯网络理论,利用期望最大化(Expectation Maximization,EM)算法和联合树推理算法构建海盗袭击事件分析模型。根据东南亚海域海盗袭击事件的实际数据获得贝叶斯网络(Bayesian Networks, BN)结构各节点之间的概率依赖关系,并对海盗袭击成功节点进行敏感性分析。分析结果表明:外界环境、船舶自身风险和时间是影响海盗袭击事件发生的主要因素。

基于贝叶斯网络的学生成绩预测

以山东理工大学数学与统计学院统计学专业2015级学生的7门主干学科成绩作为数据样本,通过贝叶斯网络的结构学习直观地得到了7门学科之间的关联性;基于贝叶斯网络拓扑结构进行了网络的参数学习,得到了各学科成绩的条件概率;最后利用贝叶斯网络推理的联合树算法给出了学生的成绩预测,并用实例证明了贝叶斯网络成绩预测的可行性。

联合多特征的未来视频快速编码

与前一代高效视频编码标准相比,未来视频编码标准增加了新的二叉树加四叉树编码结构。针对该结构虽然显著提升了超高清视频编码效率,但是大幅增加了编码复杂度的问题,提出了联合多特征快速编码算法。该算法联合多个编码特征的后验概率信息,估计当前编码单元的划分方式,通过提前终止若干编码单元的划分来节省编码时间。此外,针对单个特征贝叶斯分类不准确的问题,算法在简化联合概率模型的同时提升了分类算法的准确度。实验结果表明:在随机访问配置、低延迟P配置和低延迟B配置下,算法可以平均减少35.7%,25.6%和26.7%的编码复杂度,而BDBR只分别增长了4.3%,3.1%和2.89%。算法在保证视频主观质量的前提下,节省了编码时间。

面向故障联合定位的告警数据信息填充算法

数据完整性是网络告警信息的基本质量属性,是进一步进行网络告警故障分析的基础。然而在现实中,网管系统可能接收到信息缺失的网元告警信息,从而影响网络故障定位的准确性。分别使用决策树算法、窗关联规则挖掘(WARM)算法和相似度算法对网络告警信息中缺失的属性进行数据填充,并在国家电网信息网络和通信网络共存的场景下研究分析上述算法对联合故障定位性能的提升。实验结果表明,在该场景下决策树算法有更高的联合故障定位准确率。