基于模型诊断的分步求解

对诊断问题的分解进行研究,给出了候选诊断的分解与组合定理.在此基础上,提出了利用分步求解方法实现诊断分解的算法,并对算法的正确性、完备性和复杂性进行了证明.实验结果表明,分步求解方法明显提高了包含多个输出的系统的诊断效率.与利用变量假定例化值分解诊断问题的方法相比,该算法能提高了效率并且扩大了适用范围.

值传递诊断过程的抽象和重用

提出了一种基于值传递的系统模型,重新定义了诊断,并给出了快速找到一个极小诊断的算法.在此基础上,提出了独立于系统输入输出的值传递路径的概念,实现了值传递诊断过程的抽象,并根据等价路径对系统值传递路径空间进行约简.以约简的值传递路径空间为基础,给出了一种故障诊断算法,在一定条件下多项式时间结束.

基于简单贝叶斯的中英文垃圾邮件过滤的比较分析

对简单贝叶斯过滤方法作一些应用方面的研究工作。首先讨论了简单贝叶斯的垃圾邮件过滤,在PU1语料上实现了简单贝叶斯算法,通过不同的特征词选取方法,得到了比前人更好的结果,给出了特征数、阈值等参数和过滤效果间的关系,并得出了较优的参数设定。然后讨论了基于简单贝叶斯的中文邮件过滤,并在自己收集整理建立的中文邮件语料库上进行中文邮件过滤的实验,得出了不同于英文邮件的较优的参数设定。

基于值传递的快速故障诊断

本文提出了一种基于值传递的系统模型,重新定义了诊断,该定义与Reiter经典的诊断定义等价。在此基础上,给出了一种线性时间找到一个极小诊断的算法,该方法不需要计算极小冲突而直接得到极小诊断。该算法在给出诊断的同时,还给出了系统与该诊断对应的当前行为的一种合理解释。最后,给出了该方法与诊断测试结合实现系统修复的方法。

累积反馈学习的简单贝叶斯垃圾邮件过滤

给出了一种基于累积反馈学习的简单贝叶斯邮件过滤方法。在此基础上,通过领域规则的引入,对基于累积反馈学习的简单贝叶斯过滤方法进行了改进。实验结果表明累积反馈学习对不断保持和提高分类器的分类效果是必要的。

含故障模式的值传递诊断及其完备性讨论

基于模型的诊断是人工智能领域一个活跃的研究方向.基于值传递的诊断是一种高效的故障诊断方法,但在一般情况下不完备,且系统模型仅描述元件的正常行为.扩充了基于值传递的系统模型,可以描述系统元件的多种故障模式;重新定义了诊断,明确了该模型下得到的诊断与一致性诊断和溯因诊断之间的关系;同时,指出了值传递与真实诊断的关系,为诊断测试提出了新的思路;最后,给出了值传递诊断方法的完备的充分条件,对推进值传递诊断方法的实际应用有积极意义.