检索结果-南通市图书馆

基于混合贝叶斯网络的混合系统安全性分析方法

在线全文

学校读者我要写书评

暂无评论

电子学报 2017年第12期45卷 2896-2902页

作者：房丙午黄志球王勇李勇南京航空航天大学计算机科学与技术学院江苏南京210016 安徽财贸职业学院电子信息系安徽合肥230601

安全关键系统的安全性分析模型本质上是离散和连续失效分布共存的混合模型.传统的故障树和马尔科夫链分析方法仅能处理离散分布或指数分布的系统,难以对混合系统进行安全性分析.针对该问题,以DFT系统安全模型为基础,提出一种基于混合贝... 详细信息

安全关键系统的安全性分析模型本质上是离散和连续失效分布共存的混合模型.传统的故障树和马尔科夫链分析方法仅能处理离散分布或指数分布的系统,难以对混合系统进行安全性分析.针对该问题,以DFT系统安全模型为基础,提出一种基于混合贝叶斯网络的混合系统安全性分析新方法.首先,利用狄拉克函数和单位阶跃函数分别表示动态故障树节点间的确定性关系和时序关系,将动态故障树转换为贝叶斯网络.然后,通过分段多项式来拟合网络节点的不同失效分布,提出一种k段n次多项式混合贝叶斯网络来表示动态故障树.最后,给出该混合贝叶斯网络的推理算法.实验分析表明本方法能有效地进行混合系统安全性分析.

关键词：混合系统动态故障树混合贝叶斯网络安全性分析

在线全文

学校读者我要写书评

暂无评论

基于混合贝叶斯网络的肺结节鉴别诊断模型

中国慢性病预防与控制 2023年第2期31卷 81-85,89页

作者：张博文刘沛巢健茜黄子阳吴雪雨刘依婷东南大学公共卫生学院流行病与卫生统计学系江苏省南京210009 东南大学公共卫生学院医疗保险系江苏省南京210009

目的探讨肺结节良恶性病变的影响因素,建立肺结节鉴别诊断的混合贝叶斯网络模型,为肺癌的筛查和诊治提供参考依据。方法收集2014—2020年南京市某医院胸心外科和呼吸科经胸部CT检查发现的肺结节患者的人口统计学信息、疾病史、危险因... 详细信息

目的探讨肺结节良恶性病变的影响因素,建立肺结节鉴别诊断的混合贝叶斯网络模型,为肺癌的筛查和诊治提供参考依据。方法收集2014—2020年南京市某医院胸心外科和呼吸科经胸部CT检查发现的肺结节患者的人口统计学信息、疾病史、危险因素暴露史、影像学特征、肿瘤标志物检测结果和肺结节诊断结果等资料。利用SAS 9.4软件进行单因素和多因素分析,初步筛选变量。将数据按7∶3的比例划分为训练集和测试集,分别用于模型构建和模型评估。使用L_DVBN算法构建混合贝叶斯网络模型,使用R语言bnlearn包进行模型评估,通过受试者工作特征(ROC)曲线下面积(AUC)评价模型的预测效果,并与Mayo模型和Brock模型比较。结果该研究共纳入样本990例,其中肺结节恶性病变患者665例(66.16%)。混合贝叶斯网络结构显示,肺结节性质与结核病史、最大结节位置、直径、类型、分叶征、空泡征、血管集束征、钙化征,细胞角蛋白19片段(Cyfra21-1)等因素密切相关,与年龄、肺结节数量、毛刺征等因素间接相关;模型AUC值为0.869(95%CI:0.823~0.915),高于Mayo模型(AUC=0.704,95%CI:0.642~0.767)和Brock模型(AUC=0.754,95%CI:0.691~0.816)。结论肺结节良恶性鉴别诊断的混合贝叶斯网络模型具有良好的预测性能,能有效区分良性结节和恶性结节,可辅助鉴别肺癌低剂量螺旋CT(LDCT)筛查中的难区分结节。

关键词：肺结节鉴别诊断混合贝叶斯网络

在线全文

学校读者我要写书评

暂无评论

基于混合贝叶斯网络的非协作式敌我识别系统

火力与指挥控制 2010年第6期35卷 179-182页

作者：孙永强张安西北工业大学电子信息学院西安710129

混合贝叶斯网络就是允许连续节点和离散节点同时存在的贝叶斯网络。将混合贝叶斯网络应用到非协作式敌我识别系统中,建立了敌我识别的混合贝叶斯网络模型,通过混合贝叶斯网络实现多传感器敌我融合识别及识别可信度分析。仿真结果证明了... 详细信息

混合贝叶斯网络就是允许连续节点和离散节点同时存在的贝叶斯网络。将混合贝叶斯网络应用到非协作式敌我识别系统中,建立了敌我识别的混合贝叶斯网络模型,通过混合贝叶斯网络实现多传感器敌我融合识别及识别可信度分析。仿真结果证明了混合贝叶斯网络可以很好地实现非协作式敌我识别系统的功能,并且该方法直观、准确度高,提高了敌我识别的可靠性。

关键词：混合贝叶斯网络非协作式敌我识别系统敌我识别

在线全文

学校读者我要写书评

暂无评论

混合贝叶斯网络在电磁态势估计中的应用

微计算机信息 2009年第22期25卷 230-232页

作者：张波解放军电子工程学院

根据电磁态势估计原理,建立含连续值结点和离散值结点的混合贝叶斯网络模型,对一级融合的输出数据进行二级处理,估计干扰前后单架飞机对单个保护目标的威胁的变化情况。首先确定混合贝叶斯网络的结构,然后通过生成服从Dirichlet分布的... 详细信息

根据电磁态势估计原理,建立含连续值结点和离散值结点的混合贝叶斯网络模型,对一级融合的输出数据进行二级处理,估计干扰前后单架飞机对单个保护目标的威胁的变化情况。首先确定混合贝叶斯网络的结构,然后通过生成服从Dirichlet分布的随机数获得离散值输入结点的先验概率,根据卡尔曼滤波的结果(状态估计向量、估计协方差)确定连续值输入结点的先验概率;在连续值结点均服从线性高斯分布的假设下,通过对非线性、不连续函数进行一阶泰勒级数展开确定中间结点和输出结点的条件概率分布。仿真实验表明,混合贝叶斯网络是解决电磁态势估计问题的一种有效方法,且威胁估计的精度高。

关键词：混合贝叶斯网络电磁态势估计融合

在线全文

学校读者我要写书评

暂无评论

用于因果分析的混合贝叶斯网络结构学习

智能系统学报 2007年第6期2卷 82-89页

作者：王双成李小琳侯彩虹上海立信会计学院信息科学系上海201620 南京大学软件技术国家重点实验室江苏南京210093

目前主要结合扩展的熵离散化方法和打分-搜索方法进行混合贝叶斯网络结构学习,算法效率和可靠性低,而且易于陷入局部最优结构.针对问题建立了一种新的混合贝叶斯网络结构迭代学习方法.在迭代中,基于父结点结构和Gibbs sampling进行混合... 详细信息

目前主要结合扩展的熵离散化方法和打分-搜索方法进行混合贝叶斯网络结构学习,算法效率和可靠性低,而且易于陷入局部最优结构.针对问题建立了一种新的混合贝叶斯网络结构迭代学习方法.在迭代中,基于父结点结构和Gibbs sampling进行混合数据聚类,实现对连续变量的离散化,再结合贝叶斯网络结构优化调整,使贝叶斯网络结构序列逐渐趋于稳定,可避免使用扩展的熵离散化和打分-搜索所带来的主要问题.

关键词：因果分析混合贝叶斯网络最大似然树 Gibbs抽样

混合不确定性贝叶斯网络的学习模型及其R软件的辅助实现

在线全文

学校读者我要写书评

暂无评论

混合不确定性贝叶斯网络的学习模型及其R软件的辅助实现

作者：巫炳伟华南理工大学

学位级别：硕士

贝叶斯网络可以处理明确型变量之间的推理问题，而对于含有随机模糊型变量的混合条件推理问题并没有涉及。针对普通贝叶斯网络不能有效处理随机模糊型变量的问题，本文结合随机模糊性变量的特点，采用一种称之为“混合不确定性贝叶斯网... 详细信息

贝叶斯网络可以处理明确型变量之间的推理问题，而对于含有随机模糊型变量的混合条件推理问题并没有涉及。针对普通贝叶斯网络不能有效处理随机模糊型变量的问题，本文结合随机模糊性变量的特点，采用一种称之为“混合不确定性贝叶斯网络”的学习方法来处理数据中含有随机模糊性的因果推理，从而推广了贝叶斯网络的应用范围。主要研究内容如下：（1）本文利用K均值聚类算法来获取模糊子集的参数，根据样本的分布特征来获取模糊子集的中心和宽度，并且以隶属度函数来描述样本取值对模糊子集的所属程度。样本需要进行模糊化处理之后作为新产生的样本参与混合贝叶斯网络学习。（2）本文提出模糊混合事件过滤算法有效删除隶属度不满足阈值的组合事件，提高混合贝叶斯网络的学习效率。混合贝叶斯网络的数据样本经过模糊化之后会产生大量的混合事件组合，过滤算法可以大大降低网络的空间复杂度和时间复杂度。另一方面，混合贝叶斯网络的条件概率表同时含有明确型和模糊型变量，以模糊概率和明确概率作为网络参数，这些参数必须满足特定的规范化条件。（3）由于混合贝叶斯网络的数据样本是模糊子集及离散取值的混合事件，本文构建的混合贝叶斯网络采用扩展后的最大似然估计法和贝叶斯估计，以适合此类数据样本的参数学习。对于结构学习，本文对条件独立性相关的定义做了重新定义，提出了模糊子集互信息等概念，并在参数满足规范化的条件下证明了信息不等式，为基于约束算法奠定了理论基础。根据已有的贝叶斯评分准则，对K2算法的两个约束条件以及爬山算法的三个搜索算子进行了限制，提出了混合贝叶斯网络结构学习的K2算法和爬山算法。基于混合贝叶斯网络理论基础，本文利用R软件中用于贝叶斯网络学习的包bnlearn辅助实现了混合贝叶斯网络数据离散化、混合事件过滤算法、参数学习和结构学习，最后进行网络推理及分类的整个过程，证明了基于模糊随机不确定性的混合贝叶斯网络在处理连续型推理问题上的可行性和优越性。

关键词：混合贝叶斯网络混合事件过滤算法参数学习结构学习 R语言

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

稳态条件高斯推理在电磁态势估计中的应用

火力与指挥控制 2010年第8期35卷 111-113,131页

作者：张波王东强电子工程学院合肥230037

根据电磁态势估计原理,建立含连续结点和离散结点的混合贝叶斯网络模型,对一级融合的输出数据进行二级处理,估计干扰前后单架飞机对单个保护目标的威胁的变化情况。针对传统的连接树推理算法的不足,提出稳态条件高斯推理算法。新算法不... 详细信息

根据电磁态势估计原理,建立含连续结点和离散结点的混合贝叶斯网络模型,对一级融合的输出数据进行二级处理,估计干扰前后单架飞机对单个保护目标的威胁的变化情况。针对传统的连接树推理算法的不足,提出稳态条件高斯推理算法。新算法不仅能实现数值稳定性,还能根据高斯混合模型精确计算查询结点的边缘概率密度。仿真实验表明,稳态条件高斯推理是解决电磁态势估计问题的一种有效方法,且威胁估计的精度高。

关键词：混合贝叶斯网络稳态条件高斯分布电磁态势估计融合

混合贝叶斯网的约简组合改进与高校投入产出预测研究

在线全文

学校读者我要写书评

暂无评论

混合贝叶斯网的约简组合改进与高校投入产出预测研究

作者：周颖华南理工大学

学位级别：硕士

教育资源不足仍然是我国现阶段高等教育发展面临的重要挑战,如何使有限的投入资源发挥最大作用得到更大产出是各高校面临的重要问题。高校的投入产出研究有助于反映各高校各项资源的利用情况及存在的问题,从而指引其改善自身资源管理,... 详细信息

教育资源不足仍然是我国现阶段高等教育发展面临的重要挑战,如何使有限的投入资源发挥最大作用得到更大产出是各高校面临的重要问题。高校的投入产出研究有助于反映各高校各项资源的利用情况及存在的问题,从而指引其改善自身资源管理,提高教育质量。高校投入产出数据指标存在广泛的不确定性,贝叶斯网络是解决不确定性知识推理问题的有力工具。将贝叶斯网应用于高校投入产出预测研究,出现了下面的问题::1、高校投入产出预测研究涉及变量数目很多,而贝叶斯网络的多变量网络学习是一个NP-Hard问题;2、高校投入产出预测研究中涉及的变量既有离散型随机变量,又有连续型随机变量,而传统贝叶斯网络处理含有连续型随机变量网络学习问题时常常先将变量进行离散化,导致边缘锐化问题。针对这两个问题,本文提出混合贝叶斯网约简组合算法用于高校投入产出预测研究网络的学习。主要研究内容如下:(1)针对边缘锐化问题,将变量进行了模糊化处理。对于既含有实随机变量,又含有混合模糊随机性变量的混合贝叶斯网络的学习推理,给出其结构学习、参数学习及网络推理方法;(2)针对多变量网络构建困难问题,运用贝叶斯网约简组合算法解决。对现有约简组合算法进行改进,通过实验分析证明了改进后算法在网络学习、网络评分、模型训练时间及推理正确率等方面均优于原算法;(3)分别用改进后贝叶斯网约简组合算法和改进后混合贝叶斯网约简组合算法构建高校投入产出预测推理网络,比较两模型的推理正确率,发现混合贝叶斯网约简组合算法更适合于处理高校投入产出预测推理问题。

关键词：混合贝叶斯网络约简与组合高校投入产出不确定性推理