Bayes文本分类器的改进方法研究

在文本分类领域，Bayes分类器是一种常用且效果较好的、基于概率的分类器，具有较严密的理论基础。该文对朴素Bayes文本分类器进行了分析，提出了利用权值调整机制改善其分类性能的方法，以及在缺乏大量训练文本的情况下，利用EM算法进行非监督Bayes分类的方法，并讨论了如何运用启发式方法确定Bayes网络结构，在更贴近真实环境的情况下进行文本分类。     

基于多层Bayes估计的战略协同网络供应链可靠性研究

对战略协同网络中供应链可靠性进行分析和判定.得到了可靠度计算公式,并以此为依据收集定时截尾数据.根据战略协同网络供应链可靠性统计特性,建立两种Bayes估计方法和一种多层Bayes估计方法,分别应用于样本供应链可靠性评估中.在估计供应链失效率的基础上,对供应链町靠度进行估计.仿真结果显示,应用多层Bayes估计方法效果较好.     

基于Numpy的离散Bayes网络推理

Bayes网络有诸多实现工具,但这些工具或者安装复杂,或者因系统变庞大而受限,或者默认精度不够高,用Numpy常用工具使用数组或表结合全概率实现了简单离散Bayes网络构造及推理的批量计算,最终可以实现从简单到稍复杂离散Bayes网络的精确推理.     

一个支持自动协作式测量的大规模网络测量系统

设计并实现了一个大规模网络测量系统FOX，该系统除具备较好的通用性、可扩展性特点之外，以一种安全高效的方式实现了对自动协作式测量的支持。目前该系统已经在实际网络测量中得到了应用。     

一种基于Bayes估计的WSN节点信任度计算模型

鉴于传统网络安全策略无法阻止或识别传感器网络内部节点的攻击或异常行为,结合节点资源受限的特点,提出了一种无线传感器网络节点信任度计算模型.该模型采用Bayes估计方法,通过求解基于Beta分布的节点行为信誉函数的期望值得到直接信任并将其作为Bayes估计的先验信息,将来自邻居节点的推荐信息作为其样本信息.仿真实验表明,本方案有较好的稳定性,能够有效识别异常节点,从而阻止内部节点对网络的攻击,与RFSN相比,不仅节约了存储空间、运算时间与通信量,而且能够避免恶评现象对节点信任度计算的影响.     

基于结构特征的nBayes双层过滤模型

由于算法的简单和效果的出色，Nave Bayes被广泛地应用到了垃圾邮件过滤当中。通过理论与实验分析发现，结构差异较大的邮件集特征分布差异也较大，这种特征分布差异影响到了Nave Bayes算法的效果。在此基础上，论文提出了一种基于结构特征的双层过滤模型，对不同结构的邮件使用不同的Nave Bayes分类器分开训练和学习。实验分析表明，Nave Bayes使用该模型之后效果有明显的提高，已经与SVM非常接近。     

一种基于AIS和Bayes网络的垃圾邮件过滤算法

将人工免疫系统和贝叶斯网络相结合应用于垃圾邮件的过滤，设计了一个基于AIS和Bayes网络的垃圾邮件过滤算法，分析并解决了该算法实现过程中的关键问题，给出了亲和力的计算方法和抗原/抗体的结构定义。在PU1bare 语料的基础上与Carreras提出的AdaBoost方法进行对比实验，最后给出了实验结果。     

基于朴素Bayes组合的简易集成分类器

朴素Bayes分类器是一种简单有效的机器学习工具.本文用朴素Bayes分类器的原理推导出“朴素Bayes组合”公式,并构造相应的分类器.经过测试,该分类器有较好的分类性能和实用性,克服了朴素Bayes分类器精确度差的缺点,并且比其他分类器更加快速而不会显著丧失精确度.     

Bayes网络最优近似下边缘分布的不变性

删除Bayes网络中的弧以减小网络结构的复杂性，从而降低概率推理算法的复杂度是一种对Bayes网络进行近似的方法．该文讨论了在删除Bayes网络中的一条弧之后得到的最优近似概率分布和原概率分布之间的关系，证明了对满足一定条件的结点子集而言，其边缘概率分布在近似以后具有不变性．     

基于小波神经网络的应用型高校数学远程教学系统设计

由于当前应用型高校数学远程教学系统使用Bayes网络进行远程通信时,常受各节点通信连接概率的影响,导致通信收敛速度过低,因此基于小波神经网络设计一种全新的应用型高校数学远程教学系统。硬件部分采用了ATmega128处理器及CSNP4GCR01-AMW存储芯片。软件部分以教学资源数据处理流程为基础,应用小波神经网络平衡远程教学通信信道,根据计算的网络迭代权值设计系统的功能模块,实现应用型高校数学远程教学系统的整体设计。测试结果表明,设计系统在不同调制方式下的迭代步长均较短,说明该系统的收敛速度较快,整体性能良好,有一定的应用价值。     

A comparative study of Naïve Bayes classifier and Bayes net classifier for fault diagnosis of monoblock centrifugal pump using wavelet analysis

In most of the industries related to mechanical engineering, the usage of pumps is high. Hence, the system which takes care of the continuous running of the pump becomes essential. In this paper, a vibration based condition monitoring system is presented for monoblock centrifugal pumps as it plays relatively critical role in most of the industries. This approach has mainly three steps namely feature extraction, classification and comparison of classification. In spite of availability of different efficient algorithms for fault detection, the wavelet analysis for feature extraction and Naïve Bayes algorithm and Bayes net algorithm for classification is taken and compared. This paper presents the use of Naïve Bayes algorithm and Bayes net algorithm for fault diagnosis through discrete wavelet features extracted from vibration signals of good and faulty conditions of the components of centrifugal pump. The classification accuracies of different discrete wavelet families were calculated and compared to find the best wavelet for the fault diagnosis of the centrifugal pump.     

基于多维高斯贝叶斯算法在雷达故障信息诊断系统应用

为提升雷达故障信息的诊断效率,节约执行故障诊断指令所需消耗的数据成本,设计基于多维高斯贝叶斯算法的雷达故障信息诊断系统;利用完整的框架结构设计客户机/服务器模式,联合服务器与信息查询模块,实现雷达故障信息诊断系统的体系结构搭建;在此基础上,计算故障信息的松弛度数值,通过判定迭代门限的方式,实现对多维系数信号的处理,完成基于多维高斯贝叶斯算法的雷达故障信息感知;联合已嵌入的雷达故障信息,连接Access数据库,实现诊断系统的接口技术研究;综合上述所有理论依据,设计基于多维高斯贝叶斯算法的雷达故障信息诊断系统;借助Windows平台,分别连接上述系统与远程故障诊断原型系统,在雷达故障信息诊断系统的应用过程中得出,基于多维高斯贝叶斯算法雷达故障信息诊断系统的诊断效率最大值为45%,RSR指标最大值为16.7%,指令执行消耗的数据成本较低,表明所设计系统具有一定的实际应用性。     

基于小波神经网络的齿轮箱故障诊断研究

论述了小波神经网络的系统结构及算法,并根据齿轮振动信号的频域变化特征,提取特征向量作为输入,利用小波神经网络建立特征向量与故障模式之间的映射关系,建立了基于该算法的齿轮故障诊断模型。仿真结果表明：与传统的BP神经网络相比,该模型显著缩短了训练时间。该小波神经网络进行机械故障诊断是有效的。     

因果图用于复杂系统故障诊断研究

在信度网基础上发展起来的因果图模型,克服了信度网的一些不足,具有重要的工业应用价值。经过文献犤5犦犤6犦犤7犦的研究,目前因果图已发展成一个能够处理离散变量和连续变量的混合因果图模型。文章讨论了将因果图用于复杂系统故障诊断的关键问题。给出了基于因果图的故障知识表达方法,给出了故障模式的静态求取方法和动态求取方法以及故障模式的概率计算方法。以核电站二回路系统为研究对象,在自行研制的因果图智能故障诊断平台上进行了故障诊断测试,诊断结果与实际情况相符,诊断迅速、效果较好。     

概率粗糙集模型在机械故障诊断中的应用

机械故障产生的机理比较多且表现形式具有不确定性,概率粗糙集模型弥补了Pawlak粗糙集模型在解决知识不确定性决策问题时的不足。概率粗糙集模型能充分利用近似边界区域提供的统计信息,并能对给定概念一个更完整的刻画,因而可以提取带有确定因子的决策规则。首先论述了概率粗糙集模型并引进了概率粗糙集模型的属性约简,然后介绍了在机械故障诊断中有关Bayes决策问题的概率粗糙集模型,最后用一个实例说明概率粗糙集模型在机械故障诊断中的应用。     

Fault detection method for nonlinear systems based on probabilistic neural network filtering

A fault detection method for nonlinear systems, which is based on Probabilistic Neural Network Filtering (PNNF), is presented. PNNF limits the maximum estimation error of the asymptotic Bayes optimal result and describes the tracking process with an expression. On the basis of these properties of PNNF and the statistical characteristics of the noise of the system, a fault threshold can be better calculated, especially for the tracking process corresponding to a strong disturbance. According to the threshold, the fault can be detected by evaluating the residuals. Also, for some special cases when a fault is potential but the system is in steady state, which causes the information for fault detection may be insufficient and a group of disturbances are artificially input with definite amplitudes, so that the result of detection can be enhanced by comparing the real with the expected tracking processes of the filter. Examples are given to demonstrate the method of fault detection based on PNNF.     

基于小波包—贝叶斯的小电流接地系统故障选线方法

针对现有小电流接地系统故障选线方法存在故障状况复杂、故障信号特征不明显等问题,提出了一种基于小波包-贝叶斯的小电流接地系统故障选线方法。该方法首先按故障过渡电阻值的大小将小电流接地系统故障分为强故障模式、中等故障模式、弱故障模式,并分别构建相应的贝叶斯分类器;在故障特征提取方面,采用db小波包按照能量最大原则选取各条线路的故障特征频带,对所构建的3类分类器进行训练后,再将提取的各条线路的特征频带输入到分类器进行故障类型的判别;最后,采用"少数服从多数"的原则,对3类分类器的输出结果进行表决,进而得出选线结果。仿真结果表明,该方法选线准确率高。     

混杂系统故障诊断的强跟踪滤波器方法

混杂系统是近年来研究的热点,针对混杂系统故障诊断难题,在对混杂系统描述的基础上,给出了混杂系统状态估计及离散模态识别的强跟踪滤波器算法,并将该算法扩展到状态与参数的联合估计,最后利用修正的Bayes算法作出故障判决,实现了混杂系统的故障诊断。通过对两容水箱典型混杂系统故障诊断的仿真实验,验证了该方法的有效性。     

振动故障诊断的Petri网模型及系统实现

针对机械振动故障的传播特点,提出5种故障诊断的Petri网模型及其相应的故障诊断算法,用软件工程方法进行分析、设计和实现,得到机械振动故障诊断的Petri网系统。实践证明该方法能降低故障误诊率和漏诊率,解决复杂环境下机械振动故障诊断和故障预报的难题。     

复杂系统的图模型多智能体协同故障诊断

为解决复杂、不确定系统的故障诊断实时推理问题,提出了基于图模型-多连片贝叶斯网络架构下多智能体协同推理的故障诊断方法。该方法将一个复杂贝叶斯网分割成若干有重叠的贝叶斯子网,使监控网络的单个智能体被抽象为一个拥有局部知识的贝叶斯网,利用成熟的贝叶斯网推理算法可完成智能体的自主推理。随后,通过重叠的子网接口进行多智能体间消息的传播,实现了多智能体协同故障诊断推理。实验结果表明了基于图模型多智能体的协同故障诊断方法的正确性和有效性。