公共文化服务平台

搜索到2115篇“ 混合贝叶斯网络“的相关文章

基于集成学习与分布式混合贝叶斯网络的煤泥浮选控制方法: 一种基于集成学习与分布式混合贝叶斯网络的煤泥浮选控制方法，步骤一：基于集成学习的分布式混合贝叶斯网络离线建模；S11：划分煤泥浮选过程，并确定贝叶斯网络节点；S12：确定N个相应的混合贝叶斯网络结构；S13：利用最大似然...; 褚菲王建文熊潮曾国强毛腾邹度宇彭晨

基于分布式混合贝叶斯网络的煤泥浮选过程安全运行与产品质量一体化控制方法: 2025年; 针对煤泥浮选过程中因原煤属性变化、关键变量参数波动导致的产品质量下降甚至异常工况问题,提出一种基于分布式混合贝叶斯网络的煤泥浮选过程安全运行与产品质量一体化控制方法.该方法将煤泥浮选过程划分为若干相互关联的局部模块,并建立相应的局部混合贝叶斯网络模型;然后利用关联变量确定煤泥浮选过程的全局混合贝叶斯网络模型,有效提升建模的效率和精度.该模型在离散贝叶斯网络的基础上通过引入连续节点提升控制决策的推理精度.当煤泥浮选过程发生异常工况时,首先利用贡献图算法识别导致异常工况的局部模块,通过贝叶斯推理获取安全运行控制决策,消除异常工况;在此基础上结合模拟退火算法获取产品质量控制决策,进一步提升产品煤质量.最后,通过煤泥浮选过程仿真实验验证所提方法的有效性.; 毛腾褚菲褚菲王福利; 关键词：混合贝叶斯网络

基于混合贝叶斯网络的煤泥浮选过程安全与质量一体化控制方法: 煤炭是我国的基础能源,在国家经济发展中扮演了至关重要的角色。作为一种有效的煤炭分选方法,煤泥浮选因其精细的分选粒度和高效的分选效率,在去除原煤杂质、提升产品煤质量方面得到了广泛应用,提升了煤炭的利用效率和环保性能。然而由...; 毛腾; 关键词：混合贝叶斯网络

一种基于精英结构策略的混合贝叶斯网络结构学习方法: 本申请公开了一种基于精英结构策略的混合贝叶斯网络结构学习方法，涉及贝叶斯网络结构学习方法领域，该方法在迭代学习混合贝叶斯网络结构的过程中，在每一个迭代周期首先使用改进的精英策略筛选出更优秀的精英个体组成精英集，然后基于精...; 张昌伟马力吴昀霖方伟陆恒杨朱书伟

一种基于互信息引导的混合贝叶斯网络结构学习方法: 本发明公开了一种基于互信息引导的混合贝叶斯网络结构学习方法，涉及信息处理及人工智能技术领域，该方法包括：对数据集利用条件独立测试和互信息限制结构的搜索空间并生成初代种群；基于互信息对当前种群进行个体修正并评估适应度；对当...; 张昌伟吴昀霖马力方伟陆恒杨朱书伟

基于混合贝叶斯网络的柴油机冷试故障检测方法及系统: 本发明提供了一种基于混合贝叶斯网络的柴油机冷试故障检测方法及系统，所述方案包括：实时获取柴油机冷试过程中的参数值，其中，所述参数值包括排气门开启前泄露值、排气门关闭后泄露值、进气真空度最小值、进气门开启前泄露值、进气门关...; 闫伟吴凡徐卓王辉朱晓民段明皞

基于混合贝叶斯网络的肺结节鉴别诊断模型: 2023年; 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。; 张博文刘沛巢健茜黄子阳吴雪雨刘依婷; 关键词：肺结节混合贝叶斯网络

基于演化序搜索的混合贝叶斯网络结构学习方法被引量：1: 2023年; 贝叶斯网络是一种不确定性知识表示与推理的有效工具,学习其结构是利用这一工具进行推理的基础。现有的贝叶斯网络结构学习算法,在智能教育等应用场景中往往面临着难以权衡有效性与高效性的问题。一方面,评分搜索类方法能搜索到高质量的解,但面临着算法复杂度高的挑战。另一方面,混合类方法效率高,但所找到的解的质量不尽如人意。针对上述问题,提出了一种基于演化序搜索的混合贝叶斯网络结构学习方法(EvOS)。该方法首先通过约束类算法构建无向图骨架,然后利用演化算法搜索最优节点序,最后使用该节点序指导贪婪搜索得到贝叶斯网络结构。基于常用基准数据集以及教育知识结构发现任务,验证了所提方法的有效性与高效性。实验结果表明,所提方法相较于评分搜索类方法,能够在保持相仿精度的情况下最高加速百倍,且有效性显著高于混合类方法。; 李明嘉钱鸿周爱民; 关键词：贝叶斯网络

基于混合贝叶斯网络的汽车故障诊断方法: 本申请公开了一种基于混合贝叶斯网络的汽车故障诊断方法，该方法包括：采用基于条件熵的序列生成法与融合专家信息的K2算法相结合的混合贝叶斯网络结构学习方法，得到混合贝叶斯网络，然后利用该混合贝叶斯网络进行汽车故障诊断。在无专...; 杨晛潘春茹关展旭

一种混合贝叶斯网络的学习与推理方法: 本发明涉及一种混合贝叶斯网络的学习与推理方法，包括：S1：采用有监督的自上而下的离散化算法CACC，来离散化连续变量；S2：采用Gibbs Sampling算法，用以解决不完整数据集的参数学习问题，得到了完整的混合贝叶斯...; 朱成就徐康康杨海东印四华杨慧芳

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈