共查询到18条相似文献,搜索用时 62 毫秒
1.
为了提高复杂系统故障检测和诊断的准确性,从数据的不确定性、诊断的不确定性以及特征参数选择的不确定性三方面展开研究。在贝叶斯网络解决不确定性问题优势的基础上,提出了基于重要度的分级贝叶斯网络模型。以往基于贝叶斯网络的方法无法做到系统地选择参数,建立的模型都是全模型。虽然全模型没有遗漏关键的参数,但包含了很多不必要的参数,这些多余参数不仅会对诊断造成不良影响,导致拖尾效应。仿真结果表明,提出方法可以获得更佳的故障特征,有利于提高故障识别能力,验证了模型的有效性。 相似文献
2.
通过封装服务、规范标准服务,AI-EATATE为诊断系统的客户端和应用对象的扩展、测试与诊断的分离提供了条件,使其更适合远程控制的诊断系统的构建。论文分析了武器装备远程故障诊断对知识重用与共享、软件互操作的需求,提出了面向远程诊断的AI-ESTTAE智能诊断系统构建的方法;研究了AI-ESTATE智能诊断系统的基本结构和框架,讨论了AI-ESTATE在发展过程中其服务的变化对开放、远程智能诊断系统构建的影响;最新的AI-ESTATE标准规范的服务更加强了对诊断过程的控制和效果评估,论文采用状态图的方式分析了最新的AI-ESTTAE服务在远程故障诊断过程的作用,为符合AI-ESTATE标准的远程故障诊断系统的开发提供了方法。 相似文献
3.
近年来,随着互联网技术飞速发展与普及,大量社交网络平台迅速崛起。社交网络平台拉近了日常人际关系,提供了便捷的信息通讯交流通道。同时,针对社交网络平台数据挖掘的技术研究成为不可缺少的网络数据研究领域一部分。现有社交网络数据挖掘技术所采用的传统数据挖掘算法与数据分离模式,存在大数据多元特征条件下,数据挖掘准确度降低、挖掘分类逻辑混乱等现象。针对问题产生根源,提出基于朴素贝叶斯算法的社交网络数据挖掘技术研究。采用基于朴素贝叶斯算法设计的PCIE-FN社交网络数据挖掘平台进行全面化的深入性解决。通过实验证明,提出的基于朴素贝叶斯算法的社交网络数据挖掘技术研究,各项数据满足社交网络数据挖掘日常应用要求。 相似文献
4.
5.
6.
对传统BP神经网络模糊逻辑的智能轮椅避障方法在训练过程中存在的过拟合和避障路径不够优化的问题,提出了一种模糊贝叶斯网络避障算法以降低神经网络的复杂度。该算法利用模糊神经网络对隶属度函数的参数进行自主学习调整,同时为增强神经网络的泛化能力和计算能力,在网络目标函数中加入权衰减项,利用贝叶斯原理优化神经网络的结构和权值。仿真和实机实验表明,该算法在训练结果和避障效果上均优于传统BP神经网络,提高了智能轮椅避障的实时性,优化了避障路径,可满足用户对智能轮椅安全性和舒适性的需求。化了避障路径,可满足用户对智能轮椅安全性和舒适性的需求。 相似文献
7.
期望最大化(Expectation Maximization,EM)算法常被应用于贝叶斯网络参数学习过程,但在处理海量数据时由于迭代计算过程的复杂性和处理器、内存等资源的限制,该算法的效能受到极大影响;通过对大数据环境下传统线性贝叶斯网络参数学习方法计算复杂性瓶颈问题的研究,提出了基于MapReduce平台的贝叶斯网络并行期望最大化(Parallel Expectation Maximization,PEM)参数学习算法;利用不完备训练样本集,对态势评估贝叶斯网络进行参数学习;仿真结果表明:在大数据条件下PEM算法能够准确的学习网络参数,同时有效减少参数学习所需时间且具有较好的可拓展性。 相似文献
8.
以往的通信行为指导系统未来通信, 以满足用户需求并适应环境变化, 是认知无线电系统的核心所在, 为此提出了一种基于贝叶斯网络的认知引擎, 用于解决在复杂多变的电磁环境与用户需求条件下, 认知无线电系统参数自适应调整的问题. 通过对系统过去通信行为样本数据, 进行结构学习和参数学习建立认知引擎, 将系统当前环境状态和用户需求信息经预处理作为推理的证据, 应用引擎决策出系统此时最佳的工作参数, 完成系统参数重构. 本文利用OPNET工具建立一个移动无线网络完成仿真实验, 仿真结果表明该认知引擎能有效地使移动无线网络适应环境变化, 改善端到端通信性能, 进一步验证了建模方法的可行性. 相似文献
9.
提出了一种噪声环境下复杂网络拓扑估计方法, 仅利用含噪时间序列估计未知结构混沌系统的动力学方程和参数, 以及由混沌系统组成的复杂网络的拓扑结构、节点动力学方程、所有参数、 节点间耦合方向和耦合强度.通过采用动力学方程的统一形式, 将动力系统方程结构和参数估计看成线性回归问题的系数估计, 该估计问题利用贝叶斯压缩传感的信号重建算法求解, 含噪信号的模型重建使用相关向量机方法,即通过稀疏贝叶斯学习求解稀疏欠定线性方程得到上面提到的可估计对象.以单个Lorenz系统及由200个 Lorenz系统组成的无标度网络为例说明方法的有效性. 仿真结果表明,提出的方法对噪声有很强的鲁棒性,收敛速度快,稳态误差极小, 克服了最小二乘估计方法收敛速度慢、 稳态误差大以及压缩传感估计方法对噪声鲁棒性不强的缺点. 相似文献
10.
本文综合考虑网络结构及节点间的互动等关键因素, 提出了一种节点影响力分布式计算机理. 首先根据节点交互行为在时域上的自相似特性, 运用带折扣因子的贝叶斯模型计算节点间的直接影响力; 然后运用半环模型来分析节点间接影响力的聚合; 最后根据社交网络的小世界性质及传播门限, 综上计算出节点的综合影响力. 仿真结果表明, 本文给出的模型能有效抑制虚假粉丝导致的节点影响力波动, 消除了虚假粉丝的出现对节点影响力计算带来的干扰, 从中选择影响力高的若干节点作为传播源节点, 可以将信息传播到更多数目的节点, 促进了信息在社交网络中的传播.
关键词:
社交网络
影响力
贝叶斯
半环代数 相似文献
11.
为了实现车载γ谱仪巡测系统对辐射剂量率的准确测定,提出基于快速傅里叶变换(FFT)本底扣除法的改进型BP神经网络模型(FFT-BP神经网络模型)。实验采用γ射线能谱分析法,对不同间距处的137Cs放射源进行车载γ能谱测试,将得到的谱数据通过快速傅里叶变换(FFT)扣除本底,获得新的谱线数据。应用FFT-BP神经网络模型对未知剂量的车载γ谱线作辐射剂量率的定量预测,将预测结果同3个函数模型的拟合结果比较,验证FFT-BP神经网络模型的预测效果。结果表明,FFT扣除法能较好的削弱散射本底对γ谱线的影响,能有效的降低谱线本底。通过新谱线获得的特征峰面积和净谱线面积与辐射剂量率的相关系数均为0.99(p<0.05),相关性显著。模型拟合分析过程中,FFT-BP神经网络模型表现出较强的学习泛化能力,预测较理想,相对误差和累计误差分别低于0.6%和9%,效果明显优于数学模型和γ能谱全能峰法,可显著降低γ能谱分析辐射剂量率的误差,且能有效提升工作效率。因此,FFT-BP神经网络模型适用于γ能谱辐射剂量的预测分析,为车载γ谱仪巡测系统测量辐射剂量提供了一种新型有效的分析方法。 相似文献
12.
When applied to classification problems, Bayesian networks are often used to infer a class variable when given feature variables. Earlier reports have described that the classification accuracy of Bayesian network structures achieved by maximizing the marginal likelihood (ML) is lower than that achieved by maximizing the conditional log likelihood (CLL) of a class variable given the feature variables. Nevertheless, because ML has asymptotic consistency, the performance of Bayesian network structures achieved by maximizing ML is not necessarily worse than that achieved by maximizing CLL for large data. However, the error of learning structures by maximizing the ML becomes much larger for small sample sizes. That large error degrades the classification accuracy. As a method to resolve this shortcoming, model averaging has been proposed to marginalize the class variable posterior over all structures. However, the posterior standard error of each structure in the model averaging becomes large as the sample size becomes small; it subsequently degrades the classification accuracy. The main idea of this study is to improve the classification accuracy using subbagging, which is modified bagging using random sampling without replacement, to reduce the posterior standard error of each structure in model averaging. Moreover, to guarantee asymptotic consistency, we use the K-best method with the ML score. The experimentally obtained results demonstrate that our proposed method provides more accurate classification than earlier BNC methods and the other state-of-the-art ensemble methods do. 相似文献
13.
14.
故障综合诊断技术一直是复杂机载电子系统研发过程中的关键部分,当前的故障诊断技术同时需要机内测试(BIT)和场外自动化测试设备(ATE)的测试结果才能得出诊断结果,诊断效率低,时间长并且不能在线诊断。针对新一代战斗机将更加依赖航空电子系统的趋势,迫切需要一种诊断时间短,且能够实现在线诊断的故障诊断技术。因此,一种基于模型的故障诊断方法被提出。该方法通过融合多信号模型和整数编码故障字典模型,模块间采用多信号模型,单个模块中采用整数编码故障字典模型,克服了多信号模型对测试信息的浪费和整数编码故障字典模型建模困难的缺点,并提出一种多目标测试优选方法,通过优化检测方案,充分发挥BIT的检测性能。该方法通过充分使用BIT的测试信息,摆脱了对场外ATE的依赖,实现了在线快速定位故障并识别故障模式。 相似文献
15.
When the Dempster–Shafer evidence theory is applied to the field of information fusion, how to reasonably transform the basic probability assignment (BPA) into probability to improve decision-making efficiency has been a key challenge. To address this challenge, this paper proposes an efficient probability transformation method based on neural network to achieve the transformation from the BPA to the probabilistic decision. First, a neural network is constructed based on the BPA of propositions in the mass function. Next, the average information content and the interval information content are used to quantify the information contained in each proposition subset and combined to construct the weighting function with parameter r. Then, the BPA of the input layer and the bias units are allocated to the proposition subset in each hidden layer according to the weight factors until the probability of each single-element proposition with the variable is output. Finally, the parameter r and the optimal transform results are obtained under the premise of maximizing the probabilistic information content. The proposed method satisfies the consistency of the upper and lower boundaries of each proposition. Extensive examples and a practical application show that, compared with the other methods, the proposed method not only has higher applicability, but also has lower uncertainty regarding the transformation result information. 相似文献
16.
The exclusive B→K(*) e+ e- decays are studied in the topcolor-assisted technicolor model and in the minimal technicolor model. We find that the angular distribution and the dilepton mass distribution in B→K(*) e+ e- which can be reliably predicted in the large dilepton mass region, are very sensitive to the actual form of the new interaction. This provides a good test to physics beyond the standard model. 相似文献
17.