| 序号 | 专利名 | 申请号 | 申请日 | 公开（公告）号 | 公开（公告）日 | 发明人 |
|---|---|---|---|---|---|---|
| 601 | 基于大数据与贝叶斯神经网络的AGC系统辨识方法 | CN201810503450.0 | 2018-05-23 | CN108985313A | 2018-12-11 | 彭道刚; 赵慧荣; 田园园; 苏烨; 何钧; 高升; 孙宇贞; 梅兰 |
| 本发明涉及一种基于大数据与贝叶斯神经网络的AGC系统辨识方法，包括：1、采集AGC系统的历史数据，预处理得到样本数据；2、对贝叶斯神经网络初始化；3、计算隐含层、输出层各神经元的输入输出，计算实际输出与贝叶斯神经网络输出之差，并按照MSE标准计算误差；4、判断误差是否达到要求，若是，则进行步骤6，否则，对输出层与隐含层之间的权值和阙值进行修正，对输入层与隐含层之间的权值和阙值进行修正，更新各连接权值，学习次数加1；5、重复步骤3～4，直到达到误差要求或者最大学习次数；6、计算贝叶斯神经网络，得到辨识的数学模型。与经典BP神经网络辨识方法相比，本发明拥有更好的辨识准确度和更快的收敛速度。 | ||||||
| 602 | 一种无先验知识条件下基于小数据集的贝叶斯网络参数学习方法 | CN201810633214.0 | 2018-06-20 | CN108846439A | 2018-11-20 | 邸若海; 高晓光; 万开方; 郭志高 |
| 本发明公开了一种无先验知识条件下基于小数据集的贝叶斯网络参数学习方法，属于计算机技术领域。该方法首先获取数据统计量，而后根据小数据集的数据量和待求参数的状态个数确定虚拟样本量，利用最大似然估计方法计算待求的参数，对同一分布条件下的参数进行排序，找出较小的参数；最后计算贝叶斯网络参数。本发明针对无先验知识时小数据集条件下的贝叶斯网络参数问题，通过在引入虚拟统计量来提高小数据集条件下的参数学习精度，克服了现有方法对先验知识的依赖问题，不仅为小数据集条件下的参数学习问题提供了一条可行的解决途径，而且也为其它领域中的小数据集建模问题提供了可参考的方法，具有较为广泛的应用前景。 | ||||||
| 603 | 基于贝叶斯网络的蜂窝网基站状态时变模型建立方法 | CN201510230197.2 | 2015-05-07 | CN104955059B | 2018-11-16 | 韩维佳; 张莹莹; 盛敏; 张琰; 王玺钧; 李建东; 腾伟 |
| 本发明公开了一种基于贝叶斯网络的蜂窝网基站状态时变模型建立方法，其实现步骤是：(1)以现有实际蜂窝网络为场景，蜂窝网络中的次级感知设备对系统模型中的基站开关状态进行感知，收集感知数据，组成观察序列；(2)利用该观察序列创建贝叶斯网络模型，依据完全连通图和条件互信息的贝叶斯结构学习算法对此模型进行学习得到条件概率表及节点之间的依赖关系值；(3)利用上述得到的条件概率表和节点之间关系依赖值建立蜂窝网基站状态的时变统计模型。本发明主要解决现有方法复杂度较高且不能随网络节点变化做出自适应调整的问题，低复杂度的基站状态时变模型的建立有效降低蜂窝网移动主用户的数据业务碰撞几率，提高了网络中数据传输效率。 | ||||||
| 604 | 一种基于相依贝叶斯网络的故障诊断技术的构建方法 | CN201810446523.7 | 2018-05-11 | CN108664400A | 2018-10-16 | 杨顺昆; 苟晓冬; 黄婷婷; 李大庆; 边冲; 谢钰姝; 刘文静; 姚琪 |
| 本发明提供一种基于相依贝叶斯网络的故障诊断技术的构建方法，步骤如下：1、确定待推理未知对象的域；2、使用一阶逻辑语言定义模型结构；3、生成Blog模型；4、将Blog模型转化为贝叶斯网络；5、定义相依贝叶斯网络；6、进行相依贝叶斯网络的参数学习；7、使用马尔科夫链蒙特卡洛方法进行相依贝叶斯网络故障推理。通过上述步骤，可以完成对基于相依贝叶斯网络的故障诊断技术的构建。本发明可以充分利用相依贝叶斯网络的有环且可以包含无限多个变量的特性，满足嵌入式软件随机故障的实际诊断需求，提高故障诊断的质量。 | ||||||
| 605 | 一种基于PCA与贝叶斯相结合的网络入侵检测方法 | CN201810433476.2 | 2018-05-08 | CN108632278A | 2018-10-09 | 胡昌振; 任家东; 刘智扬; 张炳; 赵小林; 单纯 |
| 本发明公开了一种基于PCA与贝叶斯相结合的网络入侵检测方法。使用本发明能够实现对普通、常规类型攻击以及新类型攻击的快速有效检测，检测时间短，且正确率高。本发明首先对训练数据集与测试数据集应用PCA得到降维后的训练数据与测试数据，降低了贝叶斯分类器的模型训练时间以及检测时间，然后采用检测时间最快的贝叶斯分类器进行入侵检测，实现快速检测，同时，本发明还对PCA进行了改进，提高了检测的正确率，从而使得本发明方法在检测时间与检测正确率上均表现高效。 | ||||||
| 606 | 基于马氏链和贝叶斯网络的车载复合电源可靠性评估方法 | CN201810383492.5 | 2018-04-26 | CN108631427A | 2018-10-09 | 王琪; 韩晓新; 沃松林; 罗印升 |
| 本发明公开一种基于马氏链和贝叶斯网络的车载复合电源可靠性评估方法，首先，基于马氏链理论建立超级电容器位于中间位置的级联式结构复合电源、蓄电池位于中间位置的级联式结构复合电源、并联结构复合电源和多输入功率变换器结构复合电源这四种不同拓扑结构复合电源发生故障的状态转移图；其次，根据四种不同拓扑结构复合电源发生故障的状态转移图，基于贝叶斯网络理论建立最终导致复合电源产生故障以致系统处于瘫痪状态的贝叶斯网络模型图；最后，根据所建立的贝叶斯网络模型图，计算求得四种不同拓扑结构复合电源的故障率，并进行对比分析，进而进行可靠性评估，得到可靠性最强的复合电源，避免了在工程实际中的反复试验。 | ||||||
| 607 | 基于改进狼群算法优化贝叶斯网络的害虫图像识别方法 | CN201810316604.5 | 2018-04-10 | CN108491923A | 2018-09-04 | 王生生; 梅琳 |
| 本发明提出一种基于改进狼群算法优化贝叶斯网络的害虫图像识别方法，该方法包括以下步骤：步骤一：提出一种改进的二进制狼群算法(Improved binary Wolf Colony Algorithm，IBWCA)，对狼群算法进行改进，在探狼的游走行为中加入突变算子，在召唤行为中加入逼近算子，并在围攻行为中加入交互算子，在狼群的更新过程中提出用混沌运动的方式更新狼群；步骤二：基于改进的二进制狼群算法的贝叶斯结构学习优化算法(Bayesian Network Construction algorithm using IBWCA,BNC-IBWCA)；步骤三：结合卷积神经网络与贝叶斯网络进行害虫图像的识别处理。用预训练好的卷积神经网络对训练集和测试集的图片进行特征提取，用贝叶斯分类器进行分类识别。 | ||||||
| 608 | 基于贝叶斯网络及基层数据的系统健康状态预测方法 | CN201610214680.6 | 2016-04-08 | CN105913124B | 2018-08-24 | 王立志; 王晓红; 王璟玢; 路健行 |
| 本发明公开了一种基于贝叶斯网络及基层数据的系统健康状态预测的方法，包括以下几个步骤：步骤一、系统分析及贝叶斯网络各节点关系的构建；步骤二、建立基层节点的预测模型；步骤三、确定节点间信息的传递关系；步骤四、系统健康状态的预测；本发明建立了基层级数据与系统状态的定性与定量联系，在系统级数据难以判定或难以获得的情况下，解决系统状态预测的问题；能够融合系统各基层级单位的信息，以此获得系统状态的预测结果。 | ||||||
| 609 | 一种基于决策树和贝叶斯网络的电机故障诊断系统及方法 | CN201810067819.8 | 2018-01-24 | CN108345723A | 2018-07-31 | 韩光洁; 季宇恒; 刘宇兴; 刘国高 |
| 本发明公开了一种基于决策树和贝叶斯网络的电机故障诊断系统及方法，系统包括无线传感器节点、协调器节点以及上位机；所述无线传感器节点安装在电机设备上，所述无线传感器节点和协调器节点组成无线传感器网络，每个无线传感器节点检测电机设备的特征参数，将各个电机设备的参数汇聚于协调器节点，所述协调器节点与上位机平台连接，所述上位机平台集中处理各个电机设备的参数并且监测设备状态。一种基于决策树和贝叶斯网络的电机故障诊断方法可以有效的解决电机故障诊断中的不确定性信息问题，从而获得准确、有效的诊断效果。 | ||||||
| 610 | 一种基于贝叶斯网络的水库群泄水建筑物失效评估方法 | CN201710524176.0 | 2017-06-30 | CN107330621B | 2018-07-13 | 刘之平; 郭新蕾; 付辉; 夏庆福; 王涛; 郭永鑫; 李甲振; 杨开林; 黄伟; 马慧敏 |
| 本发明涉及一种基于贝叶斯网络的水库群泄水建筑物失效评估方法，包括：建立贝叶斯网络拓扑结构；确定各概率；溢洪体系失效概率计算；整体失效概率计算。本发明将故障概率判断的贝叶斯网络与现有判断阶梯水库群溢洪设施失效的事件树结合，并根据需要增加了因上游溃坝洪水引发的下游控制梯级失效的概率计算，形成了完整的贝叶斯溢洪设施失效评估网络，水库群泄水建筑物失效这种多变量复杂系统，成为能够分析共因失效和逆向推理的系统。这一评估系统能对信息的价值或是否需要采集新的信息做出科学的判断，使泄水建筑物失效分析逐步完善和更加科学。 | ||||||
| 611 | 一种异构无线网络中基于贝叶斯决策的垂直切换方法 | CN201711249262.1 | 2017-12-01 | CN108235390A | 2018-06-29 | 钱志鸿; 杨冰涛; 许建华; 黄岚; 王雪 |
| 本发明公开了一种异构无线网络中基于贝叶斯决策的垂直切换方法，针对异构无线网络环境中移动终端在不同网络间频繁切换的问题，本发明提出了基于贝叶斯决策的垂直切换方法，利用终端的接收信号强度(Received Signal Strength,RSS)计算终端切换的先验概率；结合贝叶斯公式求出终端切换的后验概率；采用层次分析法和熵值法确定网络参数包括：可用带宽、时延、误码率和时延抖动等的权重，基于简单加权法构建移动终端在不同状态下采取不同行动的收益函数；综合考虑切换的后验概率与收益函数，构造切换的后验收益函数，并基于后验收益函数进行切换判决。本发明能够有效地减少切换次数，抑制切换过程中的“乒乓效应”，提高系统的资源利用率。 | ||||||
| 612 | 一种基于并行演化搜索的贝叶斯网络结构学习方法 | CN201810085728.7 | 2018-01-29 | CN108197665A | 2018-06-22 | 林小光; 钟坤华; 孙启龙; 张矩 |
| 本发明涉及一种基于并行演化搜索的贝叶斯网络结构学习方法，属于人工智能领域。该方法基于演化计算的思想，对评分搜索过程并行化处理，以实现高效贝叶斯网络结构学习。本发明通过采用Map Reduce技术将遗传演化算法与结构寻优过程相结合，以充分利用多台服务器并行计算的能力实现高效快速学习。本发明将传统的遗传算法应用到云计算，利用分布式计算方法处理海量数据的能力和遗传算法并行性和全局搜索能力，快速高效地进行海量数据中贝叶斯网络结构学习，是目前技术没有的，具有实质性的突破。 | ||||||
| 613 | 一种基于卷积神经网络和贝叶斯分类器的指背关节纹识别方法 | CN201711006993.3 | 2017-10-25 | CN108009472A | 2018-05-08 | 翟懿奎; 曹鹤 |
| 本发明涉及一种基于卷积神经网络和贝叶斯分类器的指背关节纹识别方法，通过训练样本中的每张指背图像进行指型分割、边缘检测处理，并通过矩形窗口提取指背关节纹图像，然后将指背关节纹图像输入到卷积神经网络模型中进行训练，得到训练好的指背关节纹识别卷积神经网络模型，并将提取的指背关节纹图像的图像特征向量输入到贝叶斯分类器中进行训练得到训练好的贝叶斯模型，最后将待检测的指背图像输入到指背关节纹识别卷积神经网络模型中提取图像特征，将图像特征输入训练好的贝叶斯分类器中，得到识别结果；本发明具有识别精度高，检测速度快的优点，通过卷积神经网络模型和贝叶斯分类器，从而避免了曲度变化、光照变化对识别性能的影响。 | ||||||
| 614 | 一种基于贝叶斯网络的变压器动态综合故障诊断方法 | CN201410222904.9 | 2014-05-23 | CN104007343B | 2018-04-20 | 高文胜; 白翠粉; 程亭婷; 刘通; 马仪 |
| 本发明公开了一种基于贝叶斯网络的变压器动态故障诊断方法，涉及电气设备技术领域。在获取证据有限的情况下，本发明将综合故障诊断模型向前扩展至证据获取阶段，提出动态故障诊断机制，根据一定的原则优化证据获取过程，优先选择对变压器故障情况支持度最大的状态特征量作为证据信息。动态故障诊断机制旨在优先选择对变压器运行故障诊断过程影响最大的状态特征量作为模型的输入参量，而略去其他不必要的试验检测，在资源有限的情况下减少诊断项目又能得到较为准确的风险估计值。 | ||||||
| 615 | 一种基于GPU与贝叶斯网络推理的未知木马的检测方法 | CN201711102478.5 | 2017-11-10 | CN107888590A | 2018-04-06 | 孙宏跃; 蒋荣; 曲志峰 |
| 本发明提供一种基于GPU与贝叶斯网络推理的未知木马的检测方法，采用基于GPU加速的贝叶斯学习理论进行未知木马的检测，使用贝叶斯网络构建未知木马的检测模型，通过贝叶斯网络的推理解决了未知木马检测过程中存在的特征分类困难、概率性行为识别等问题。通过贝叶斯网络用条件概率表达系统程序之间的不确定性因果关系，具有更强的处理不确定性信息的能力及特有的推理机制，不需要硬性定义木马特征，因此具有较强的适用性。在现有程序特征基础上通过贝叶斯模型计算木马概率，通过提取未知程序中的行为，计算出是木马的概率，从而有效检测已经木马的多态变形体以及新出现的未知木马。 | ||||||
| 616 | 一种基于贝叶斯网络的结构化文档检索模型及其检索方法 | CN201710911744.2 | 2017-09-29 | CN107729440A | 2018-02-23 | 赵爽 |
| 本发明涉及一种基于贝叶斯网络的结构化文档检索模型及其检索方法，该模型包括：术语子网用于表示术语层之间的关系，并计算其包含的术语节点之间的相关性系数和术语节点与预检索术语节点的第一条件概率，从而检索出多个衍生术语；结构化文档子网用于表示各结构化文档层的结构层次关系，并计算其包含的结构单元节点的第二条件概率，从而检索出最相近的文档。还涉及一种检索方法。本发明通过术语子网和结构化文档子网的模型，可以提高检索术语之间的相关度，有利于后续的术语计算更加精确，通过采用不同的计算条件概率公式，提高了术语之间的匹配度，提高了检索的精度，同时子网之间的各结构层的关系，可以加快检索的速度，缩短检索时间。 | ||||||
| 617 | 一种基于离散动态贝叶斯网络的气象威胁评估方法 | CN201510790481.5 | 2015-11-17 | CN105426970B | 2018-02-13 | 钟忺; 缪永飞; 钟珞; 吕健; 王宇轩; 李广强; 哈尔肯别克 |
| 本发明公开了一种基于离散动态贝叶斯网络的气象威胁评估方法，包括：将观测到的气象类型、强度信息和UAV位置、姿态信息收集整理；按照划分的量化等级进行量化处理，建立观测证据表；利用专家知识或经验建立状态间的条件概率转移矩阵，确定时间片段间的状态转移矩阵；建立气象威胁等级与气象因素和UAV间的离散动态贝叶斯网络模型；运用隐马尔科夫推理算法计算出最终的气象威胁等级。本发明实现了连续观测值和离散动态贝叶斯网络的有机结合，并结合HMM推理算法推理出气象威胁程度的概率分布，使气象评估的有效性、实用性和准确性大大提升。 | ||||||
| 618 | 基于多普勒雷达及贝叶斯网络的道路事件检测方法 | CN201710518812.9 | 2017-06-30 | CN107657811A | 2018-02-02 | 饶晓春; 于泽; 张玉玺; 方正鹏 |
| 本发明公开了基于多普勒雷达及贝叶斯网络的道路事件检测方法，包括以下步骤：利用多普勒雷达对道路进行监控，获取雷达数据并对其进行处理；获取FFT速度，并获得雷达检测速度；计算转移概率，从而获取同一时刻的每个随机过程；通过采集一辆车在一段时间内不同情况下的雷达数据构造出状态转移网络；获得同一时刻每个随机过程的最短路径，计算同一时刻每个随机过程的状态转移概率，从而得出最有可能出现的情况，即给出预警。本发明提出的基于多普勒雷达及贝叶斯网络的道路事件检测方法，不受天气、光照、抖动等干扰的影响，具有成本低，精确度高的特点，可在不利条件下辅助摄像机进行智能事件检测。 | ||||||
| 619 | 贝叶斯网络结构自适应学习方法和装置、存储设备以及终端设备 | CN201710665092.9 | 2017-08-07 | CN107480768A | 2017-12-15 | 张育; 戴晶帼; 任佳; 王福斋 |
| 本发明公开了一种贝叶斯网络结构自适应学习方法和装置、存储设备以及终端设备，所述方法包括：接收用于迭代生成BN结构的观测样本；根据所述观测样本的节点间的节点序列构建邻接矩阵，并基于条件独立性测试，随机设置所述条件独立性测试的显著性水平以更新所述邻接矩阵，获得第G代种群根据所述第G代种群执行迭代寻优过程，其中，所述迭代寻优过程包括交叉操作、条件独立性测试的显著性水平的更新和变异操作。采用本发明实施例，能够在结构学习过程程中动态调整结构搜索空间的规模大小并防止潜在最优解丢失。 | ||||||
| 620 | 基于贝叶斯理论的端到端网络流量的建模方法及系统 | CN201710813389.5 | 2017-09-11 | CN107360046A | 2017-11-17 | 欧清海; 李温静; 张喆; 吴庆; 赵宏昊; 黄长贵; 谢石木林; 徐宇; 吴国辉; 夏元斗; 蒋定德 |
| 本申请提供了一种基于贝叶斯理论的端到端网络流量的建模方法，包括：在网络拓扑结构中，获取预设连续多个时隙处的端到端网络流量的初始值；将预设连续多个时隙处的端到端网络流量转化为服从正态分布的随机过程，得到每个时隙处的端到端网络流量的参数和概率；基于贝叶斯理论，根据预设连续多个时隙中当前时隙之前的每个时隙处的端到端网络流量的参数和概率构建当前时隙处的端到端网络流量模型；定义模型偏差函数，使当前时隙处的端到端网络流量的估计值与真实值的偏差最小化，并根据所述模型偏差函数和所述当前时隙处的端到端网络流量模型构建当前时隙处的端到端网络流量的最优模型。 | ||||||
QQ群二维码
意见反馈
意见反馈