基于多层Bayesian信任网的P2P负载均衡模型

针对基于信誉机制的P2P(Peer-to-Peer)网络中的负载不均衡现象,提出一种基于多层Bayesian信任网的P2P负载均衡模型,介绍了如何在Bayesian信任网中引入多种负载指标以及它们之间的各种关联,并且使用该结构预测P2P网络中各服务节点的负载,使整个网络达到负载均衡.对包含负载指标的多层Bayesian信任模型和动态负载模型进行了实验比较.实验结果表明:基于Bayesian信任网的P2P网络负载均衡模型运用节点的历史交互信息,结合Bayesian预测理论,影响资源请求节点选择服务节点,实现P2P负载的有效均衡,确保整个P2P网络资源利用的高效性、节点服务的可靠性以及整个网络的稳定性.     

基于贝叶斯网络的多agent分布式入侵检测技术

通过对分布入侵检测技术和agent技术的研究提出了一个基于多agent的分布式入侵检结构.结构中用Bayesian网络来表示对计算机网络进行攻击的知识和团树传播算法,将Bayesian网络划分为多个Bayesian子网,每个Bayesian子网转变为一棵团树;每个Bayesian子网有一组agent管理,agent通过Bayesian子网进行似然推理,从而能够实现在检测到入侵活动时提前发出警报.     

基于消息传播的Bayesian推理算法研究

利用网络结构特性和条件独立性之间的关系设计推理有效方法,是Bayesian网络推理的主要研究内容.各种推理算法的区别主要在于计算速度.在深入讨论已有算法的基础上,设计并实现了基于消息传播的Bayesian推理算法,有效地降低了推理过程中运算的时空复杂度.     

基于核方法的贝叶斯邮件分类网络研究

提出一种包含核函数的Bayesian参数估计方法,提高了Bayesian参数估计的实用性。结合邮件内容和报文格式两个方面分析和提取邮件的重要特征,建立了对应的Bayesian邮件分类网络。将包含核函数的Bayesian参数估计方法应用到邮件分类网络,在对不同邮件测试集的在线学习试验结果证明,这种新的分类模型能够有效地实现垃圾邮件的分类过滤。     

基于零知识交互式证明和Bayesian信誉网的小世界P2P模型

针对当前P2P(Peer-to-Peer)系统在网络拓扑和信誉评估机制结合方面的不足,设计一种基于角色和信誉访问控制机制的可信小世界P2P(SW-R2P)模型.模型使用零知识交互式证明(ZKIP)算法,在不传输节点身份相关信息的前提下安全地验证对等节点的组信息,并以此作为构建小世界网络拓扑的基础.通过Bayesian信誉网对节点和组的多方面信誉进行评估,从而影响节点的各种操作和组之间连接的建立.仿真实验结果表明,SW-R2P模型在资源查找成功率、网络聚合度以及节点信誉偏差等方面的性能优于Chord和R2P模型.SW-R2P模型结合了ZKIP算法、Bayesian信誉网和小世界拓扑的优势,实现了一种可信、安全和高效的P2P网络架构.     

贝叶斯网络分类模型在教育中的应用研究

贝叶斯网络（Bayesian Networks）是人工智能和数据挖掘领域中对不确定性问题进行推理和数据分析的一种工具。利用贝叶斯网络构建一个高职英语应用能力考试的预测模型,并利用真实数据做了分析验证。     

多可利用节点加权网格扫描安全定位算法

定位算法是无线传感器网络的重要支撑技术,现有定位算法大多假设网络中的节点是完全可信的,然而这种假设通常不可能实现,尤其在战场环境中,无线传感器网络经常因受到攻击而导致网络定位不准确或系统崩溃.除此之外,与其他网络相同,无线传感器网络也存在着多径问题.针对以上问题,提出了一种适用于有遮蔽的战场环境下的分布式传感器网络的多...     

一种基于边界感知的遥感影像建筑物提取方法

遥感影像的复杂性给建筑物提取研究带来了极大的挑战.深度学习的引入提高了遥感影像建筑物提取的准确率,但仍存在边界模糊、目标漏检和提取区域不完整等问题.针对这些问题,提出了一种基于边界感知的遥感影像建筑物提取网络,该网络包括特征融合网络、特征增强网络和特征细化网络三部分.首先,特征融合网络采用编码-解码结构提取不同尺度特征...     

网络环境下的大学英语输入输出能力

将Krashen的输入假设理论和Swain的输出假设理论应用于网络环境下的大学英语教学新模式中.在教学实践的基础上,用实证研究分析其教学效果,研究表明在网络环境下的大学英语新教学中,运用这两种理论指导教学可以提高学生的输入输出能力,能取得良好的效果.     

高层建筑物沉降观测及其数据分析

论述了高层建筑物在建设和使用中对其进行沉降观测的手段及数据处理与分析方法,指出了建筑物在施工过程中由于某种原因对建筑物的基础稳定产生影响的时候,都应该进行沉降观测,保证其建设及使用中的安全性.并以某高层建筑物在超近距离内打深井抽取地下水为例,对其进行了沉降观测.对观测方法以及观测数据中出现的若干问题进行了分析与探讨.并指出在沉降量较小的情况下,对建筑物的安全不会产生影响.     

个性化E-mail分类器的设计与实现

详细讨论了一个基于朴素贝叶斯方法的个性化E-mail分类器的设计,给出了系统体系结构和特征提取算法,试验了一种对新邮件计算所属类别后验概率的方法. 试验结果表明,结合Odds Ratio特征子集提取算法和朴素贝叶斯方法对邮件进行分类具有较好的分类精度. 应用朴素贝叶斯方法在新邮件到达的同时对其进行分类,具有较好的分类速度.     

装备研制中基于Bayesian网的数据挖掘

提出采用Bayesian网挖掘装备研制中的试验数据；采用列联表的方法，对独立性检验中基于信息论的方法进行了改进，使确定网络拓扑结构的过程更加客观；挖掘得到Bayesian网后．探讨了其在失效源判定和发现系统设计缺陷等方面的应用。     

风电机组故障诊断中不确定性信息处理的贝叶斯网络方法

针对风电机组故障信息耦合性、模糊性的不确定性特点,结合贝叶斯网络在处理不确定性问题上的优势,提出了风电机组故障诊断的贝叶斯网络方法.重点研究了该方法的两个关键问题,即风电机组故障诊断的贝叶斯网络建模和贝叶斯网络推理.构建了一种基于事故树分析方法的三层CME贝叶斯网络模型并解析了贝叶斯网络的故障推理过程,通过风电机组齿轮箱的故障诊断实例验证了上述模型的可行性和贝叶斯网络推理的有效性.研究成果对具有相关不确定性问题的机电设备故障诊断有借鉴意义.     

Time-series gas prediction model using LS-SVR within a Bayesian framework

The traditional least squares support vector regression (LS-SVR) model, using cross validation to determine the regularization parameter and kernel parameter, is time-consuming. We propose a Bayesian evidence framework to infer the LS-SVR model parameters. Three levels Bayesian inferences are used to determine the model parameters, regularization hyper-parameters and tune the nuclear parameters by model comparison. On this basis, we established Bayesian LS-SVR time-series gas forecasting models and provide steps for the algorithm. The gas outburst data of a Hebi 10th mine working face is used to validate the model. The optimal embedding dimension and delay time of the time series were obtained by the smallest differential entropy method. Finally, within a MATLAB7.1 environment, we used actual coal gas data to compare the traditional LS-SVR and the Bayesian LS-SVR with LS-SVMlab1.5 Toolbox simulation. The results show that the Bayesian framework of an LS-SVR significantly improves the speed and accuracy of the forecast     

朴素贝叶斯与全贝叶斯在DFI的应用比较研究

P2P应用软件检测技术主要是深度包检测法和深度流量检测法.深度包检测法不能检测出加密的和未知的对等网络流应用,深度流量检测方法可以克服深度包检测法这个缺点.将模糊识别领域里比较成熟的贝叶斯分类技术应用到对等网络深度流检测中.结合实际项目,对贝叶斯的两个分类器-朴素贝叶斯和全贝叶斯的算法、训练结果、运行结果进行研究,实验研究表明朴素贝叶斯和全贝叶斯分类器能够快速准确地找到P2P流应用,朴素贝叶斯分类器准确度占据优势,全贝叶斯运行时间占据优势.     

基于MapReduce的朴素贝叶斯算法文本分类方法

为了解决传统串行朴素贝叶斯算法分类性能低下的问题,提出一种基于朴素贝叶斯算法的并行化分类方法。选取多项式朴素贝叶斯,搭建Hadoop集群,通过卡方检验选取特征词,利用词频-逆文本频率指数方法计算出每个特征项的权值,并求出每类的权重总和,将权值应用到朴素贝叶斯公式中得到分类结果。实验结果表明:在该集群上设计的并行化朴素贝叶斯分类方法较比传统朴素贝叶斯方法,其精确率,召回率,F1值分别至少提高了7.66%,7.56%,11.98%,且用时更短,说明本文的方法能够提高处理文本的时间效率。     

基于动态贝叶斯网络的目标侦察信息处理研究

动态贝叶斯网络是对具有随机过程性质的不确定性问题进行建模和处理的有力工具．战场环境随机变化使得侦察信息处理变的复杂化，从而影响决策的具体方式或决策方向．本文提出将隐马尔可夫模型图形模式与模糊推理结合起来构成DBN，将其用于战场侦察情报的推理分析．首先建立动态贝叶斯网络的环境变化感知模型，而后应用Viterbi解码算法获得当前隐合序列最优估计，通过HMM状态转移矩阵可预测出未来环境变化趋势，最后应用模糊推理得到问题的最优的决策或优先采用的解决方式．仿真结果表明了模型的可行性．     

基于神经网络的非线性模型辨识

在分析了影响多层前馈神经网络泛化性能各项因素的基础上,应用BP网络对一个微型锅炉非线性对象进行了模型辨识,以建立该系统的预测模型.在辨识过程中注意采用泛化方法解决样本数据采集和网络结构确定方面的问题,利用贝叶斯正则化方法训练神经网络,以保证在满足训练精度的要求下,网络还具有较好的泛化性能.通过选取一组数据对辨识结果模型进行测试,结果表明所辨识出的对象模型能够较好地表现出对象的动态行为,且具有较好的泛化性能.     

基于案例和规则推理的贝叶斯网建模

正确、高效地针对问题建立模型是应用贝叶斯网的关键,而从数据中学习贝叶斯网往往因为搜索空间庞大而效率低下.提出基于案例和规则推理的建模方法,建立领域知识库,使用框架和一阶概率逻辑表示贝叶斯网,当面对新的问题时,使用相似度和偏离度两个指标进行案例匹配,对选中的案例使用组合和剪枝技术修正,得到新问题的求解模型.整个过程以案例推理为主,并用规则推理辅助.这种方法能够复用历史案例,提高贝叶斯网建模效率.