一种快速的贝叶斯网结构学习算法

贝叶斯网是不确定性问题知识表达和推理中最重要的一个理论模型.迄今为止人们提出了许多贝叶斯网结构学习算法,基于约束满足和评分搜索相结合的混合方法是其中的一个研究热点.以I-B&B-MDL为基础,提出了一种快速的学习算法.新算法不仅利用约束知识来压缩搜索空间,而且还用它作为启发知识来引导搜索.首先利用0阶和少量的1阶测试有效地限制搜索空间,获得网络候选的连接图,减少了独立性测试及对数据库的扫描次数,然后利用互信息作为启发性知识来引导搜索,增加了B&B搜索树的截断.在通用数据集上的实验表明:快速算法能够有效地处理大规模数据,且学习速度有较大改进.

基于分层聚类算法的避雷器运行状态检测方法

为了维护避雷器的运行能力,提出基于分层聚类算法的避雷器运行状态检测方法。通过计算避雷器运行簇距离的方式,得到准确的聚类似然值估计结果,根据组网分支长度参量的优化行为,完成基于分层聚类算法的避雷器运行组网处理。在此基础上,集中设定避雷器运行电阻率信息,分别从交流泄漏电流值、运行检测电压量两部分总结避雷器设备的具体运行规律,完成基于分层聚类算法避雷器运行状态检测方法的设计。实验结果表明,分层聚类算法支持下的检测方法,检测主机时能够准确记录避雷器设备的实际运行情况,并以此为基础,有效维护设备结构体运行能力。

四川省公路网络的分形特征

针对四川省公路交通网络的研究并不多见。为了研究四川省公路网络的分形维数特征,及其区域差异与影响因素,利用长度-半径维数及分枝维数来揭示四川省公路网络的空间特征。该文研究基于高精度遥感影像矢量化得到的四川省公路网络,据分形理论采用缓冲区、叠置等方法分析了四川省域及区域等不同尺度的公路网络的长度-半径维数及分枝维数,并探讨了地形起伏度和可能的社会经济因素对公路交通网络的影响。结果表明:四川省域公路密度自成都市向外降低,长度维数大于分枝维数,密度优于通达性。公路网络区域差异明显,成都平原区、川东北地区密度较大,川南次之,攀西及其他地区最小;地市州尺度上公路网络长度维数与地形起伏度间存在较强的负相关关系,与GDP等社会经济因子呈正相关。研究探讨的四川公路网络特征及其影响因素,对四川公路布局具有一定的参考意义。