分享到:

浅谈贝叶斯风险分析

地质勘查工作具有较高的风险,在地质勘查技术经济论证时,应注重其风险分析。本  (本文共5页) 阅读全文>>

《新疆师范大学学报(自然科学版)》2006年04期
新疆师范大学学报(自然科学版)

浅谈贝叶斯风险决策分析

从事经济活动具有风险,在制定一项经济决策之前,应注重其风险分析。文章将...  (本文共4页) 阅读全文>>

青岛大学
青岛大学

贝叶斯网络的团树推理研究

近年来概率图模型在医疗、基因与染色体数据分析、通信与编码等许多领域有着广泛的应用。在概率图模型中,团树结构是一个活跃的研究领域。我们对团树的推理进行了研究。在团树的基础上,对团树推理算法进行了深入的探讨。在高维数据集中,通常没有足够的数据来表示概率,可用的数据点在可能的属性组合空间上分布的太稀疏了。然而,团树结构能表示高维属性空间中的依赖关系而且可以用来做数据的概率推论。为了构造团树,我们需要找到网络中的极大团,我们利用一个极大团搜索算法寻找一个网络中所有的极大团,然后通过寻找到的极大团构造出一个团树结构,通过使用团树结构来表示网络中的联合概率分布,将高维空间的联合概率分布表示成低维空间概率的乘积。在低维空间,数据更加集中并且概率分布能被成功导出。  (本文共39页) 本文目录 | 阅读全文>>

吉林大学
吉林大学

基于CBR与贝叶斯网络的建筑物火灾应急决策模型研究

随着经济快速发展,建筑物的数目和种类不断的增加,建筑材料的种类不断丰富,伴随而来的是近年来建筑物突发火灾频繁发生,也引起了世界各国的重视,各国学者也进行了深入的研究。由于建筑物的突发火灾具有不确定性、时间紧迫性等特点,当面对建筑物突发火灾时,决策者怎样在最短的时间内作出有效的应急决策,是本文研究的重点。有效的应急决策可以缓解火灾的恶化趋势,从而减少人员的伤亡与经济损失。贝叶斯网络包含了图论知识与概率论知识,是一种处理不确定性问题的方法,由于建筑物突发火灾具有不确定性等特点,所以本文运用贝叶斯网络来构建建筑物突发火灾的应急决策模型。由于建筑物突发火灾的影响因素比较复杂,运用传统的贝叶斯网络的建模方法比较复杂,作出应急决策消耗的时间比较长,会影响应急决策的效果。如何将过去发生的建筑物突发火灾所作出的应急决策应用到当前建筑物突发火灾,以便节省作出应急决策的时间,因此,本文将案例推理技术作为辅助建筑物突发火灾应急决策的贝叶斯网络模型的构...  (本文共74页) 本文目录 | 阅读全文>>

浙江大学
浙江大学

基于贝叶斯的反问题计算

反问题普遍存在于技术邻域,其研究有极大的发展空间及应用前景。在实际的数学、物理背景下,当所需的参数、算子、初始条件、边界条件等有关数据未知时,可通过求解空间内的己知观测数据来反解模型中的不确定参数值。反问题常常伴随着非线性、不适定性等问题。传统的反问题求解算法一般在己知测量误差特征或测量误差较小的情况下进行。但在实际生活问题中,测量误差存在且不可忽略,使传统算法无法得到精确的解值。本文从概率统计的角度展开,选择贝叶斯理论进行反演。贝叶斯理论简要概括为:根据经验和假设设定先验分布;设定含有误差信息的似然函数;优化先验分布导出后验分布。由于后验分布的复杂性影响,使目标分布难以直接绘制得到。我们采用数值抽样方法近似表达出后验概率分布情况,进而得到参数的近似值。本文从数学角度简述贝叶斯理论,包括先验信息、似然函数的设定及获取,后验信息的导出过程。基于单层贝叶斯模型,设定超参数分布,推理导出多层贝叶斯模型,并进行方法的适定性分析。介绍了M...  (本文共74页) 本文目录 | 阅读全文>>

华中科技大学
华中科技大学

基于动态贝叶斯网络的设备预知性维护模型研究

随着工业4.0概念在全球的普及,生产设备的稳定运行对于企业生存有着重大意义。但是在如今制造业中,对设备的维护管理主要还是以基于时间的预防维护为主,而这种方法对维护周期很难掌控,往往不能在设备需要进行维护的时候进行维护,容易造成过剩维护或不及时维护。因此,本文研究了设备状态维护这种维护方式,分析提取反映设备健康状况的特征变量,并对这些特征变量进行监控,采集状态量,并使用动态贝叶斯网络的推理功能对设备健康状况变化趋势进行预测,再结合维护成本模型,提出了设备的预知性维护方法,目的在于减少设备故障,保证企业健康生产。首先,通过对设备建立故障树模型,通过故障树分析法得到影响设备运行的关键因素,再对这些因素进行故障模式影响和危害性分析最终得到反映设备健康状况的特征变量,为设备健康状况的预测提供基础;然后建立基于动态贝叶斯网络的设备健康状况的预测模型,使用动态贝叶斯网络的推理功能,对设备健康状况变化趋势进行预测,在了解了设备健康状况是怎么变化...  (本文共65页) 本文目录 | 阅读全文>>

江西师范大学
江西师范大学

贝叶斯网结构学习方法研究

贝叶斯网络(Bsyesian network)是描述随机变量间的依赖关系的图形模式,已被普遍应用于不确定性问题的智能化求解.贝叶斯网络学习又分为结构学习和参数学习,本文主要研究贝叶斯网络的结构学习.贝叶斯网络是对变量之间的关系进行描述,这种固有属性保证了结构学习的可操作性,也为结构学习提供了基本方法和思路.贝叶斯网络结构学习的目的是寻求一种最符合变量间关系的网络结构来建立数据之间的关系.粗糙集中的属性依赖度很好的表达了两个变量之间的依赖关系,因此本文提出了利用属性依赖度来建立贝叶斯网的方法.将该方法与一些现有的建立贝叶斯网络的方法相比较,结果证明该方法有效且准确.对于属性个数比较多的复杂网络,将复杂网络分解成若干个小网络分别进行研究是一种有效的方法,分解的前提是不破坏原来的知识结构中隐含的信息.本文在研究了联合树和贝叶斯网络道德图的相关知识的基础上,提出了一种将复杂贝叶斯网络分解成若干个小网络的方法.此方法可以使分解时相关知识信...  (本文共35页) 本文目录 | 阅读全文>>