| 序号 | 专利名 | 申请号 | 申请日 | 公开（公告）号 | 公开（公告）日 | 发明人 |
|---|---|---|---|---|---|---|
| 701 | 一种基于朴素贝叶斯模型的网络资产类型预测方法 | CN202410384729.7 | 2024-04-01 | CN118643400A | 2024-09-13 | 叶翔; 郭银锋; 曾培; 谢波; 虞雁群; 吴艳; 刘彦伸 |
| 本发明公开一种基于朴素贝叶斯模型的网络资产类型预测方法，包括S1数据预处理、S2词频统计、S3模型训练和S4网络资产类型预测阶段。为了克服现有技术对于网络资产类型预测的不足，本发明依据网络资产类型多个维度的属性，利用贝叶斯模型并结合网络资产管理的业务逻辑，提供高准确度的网络资产类型预测功能。 | ||||||
| 702 | 一种特定场景下基于贝叶斯网络的风险分析方法 | CN202410713145.X | 2024-06-04 | CN118627633A | 2024-09-10 | 汪玲; 侯师 |
| 本公开是关于一种特定场景下基于贝叶斯网络的风险分析方法、装置、电子设备以及存储介质。其中，该方法包括：基于预设的特定场景中收集与预设问题相关的观测数据；构建变量之间的有向依赖关系图，完成贝叶斯网络构建；根据预设参数学习算法对所述贝叶斯网络中的条件概率表进行估计；基于所述贝叶斯网络及所述贝叶斯网络参数，计算目标变量的后验概率分布；建立基于贝叶斯网络的风险分析预测系统，将用户输入的数据进行预测，并输出后验概率分布结果并进行分析，完成对输入数据的预测。本公开能够应对大规模数据和快速变化的场景，克服了传统方法在处理复杂关系时存在的数据需求高和难以处理不确定性等问题，能够提高估计概率的准确性。 | ||||||
| 703 | 一种城市暴雨内涝演化韧性的动态贝叶斯网络评估方法 | CN202410654482.6 | 2024-05-24 | CN118607192A | 2024-09-06 | 杨云川; 刘妙清; 黄雨虹; 闭光琼; 陈佳盛; 唐雅茜; 冯敏慧; 莫崇勋; 孙桂凯 |
| 一种城市暴雨内涝演化韧性的动态贝叶斯网络评估方法，步骤为：S1，收集暴雨内涝演化韧性动态指标和静态指标，获取基于次暴雨初始、洪水中与恢复阶段的灾害、社会、经济、环境、基础设施的综合韧性指标；S2，建立DBN拓扑关系；S3，计算综合韧性指标的DBN先验概率和权重，并计算综合韧性指标的DBN条件概率，确定动态韧性指标阈值，获取动态韧性指标的时变证据，形成DBN输入数据；S4，基于综合韧性指标、DBN拓扑关系和DBN输入数据构建DBN，形成城市暴雨内涝演化时变总韧性图，从动态的角度分析应对暴雨内涝的次暴雨初始、洪水中与恢复阶段韧性的演化过程，识别韧性变化的临界阈值。本发明有助于提高海绵城市韧性水平评估的准确性。 | ||||||
| 704 | 一种基于贝叶斯神经网络的入侵检测系统的设计方法 | CN202110770677.3 | 2021-07-08 | CN113536299B | 2024-09-03 | 刘晶 |
| 本发明提供一种基于贝叶斯神经网络的入侵检测系统的设计方法，入侵检测系统通过对数据进行ETL、特征工程等相关初步预处理后，建立、训练、验证和测试贝叶斯神经网络模型，并进行相关的参数调优工作。该入侵检测系统采用无监督学习模型，不仅无需标签数据，还可以检测未知网络攻击，在网络攻击防御体系中起到尤为重要的作用。 | ||||||
| 705 | 一种基于多源信息融合动态贝叶斯网络的热流辨识方法 | CN202410042297.1 | 2024-01-11 | CN117910348B | 2024-08-23 | 孟松鹤; 疏浩; 高博; 杨强; 易法军; 许承海; 潘威振 |
| 一种基于多源信息融合动态贝叶斯网络的热流辨识方法；辨识方法分为两个阶段，第一阶段在固定热流下确定材料热物性，第二阶段采用第一阶段中的热物性，进而辨识表面热流。在动态贝叶斯网络中，首先将表面烧蚀后退量和内部温度历史数据信息作为观测节点，形成多源观测信息。同时，采用灵敏度分析获得动态贝叶斯网络中每个时间步长的关键参数，并且在相应的时间步长中仅辨识有限数量关键参数。本发明提供的辨识方法增加了观测信息类型并减少了同时辨识参数数量，有效降低了烧蚀材料热流辨识中热流与热物性之间的双重不确定性，提高了辨识精度。 | ||||||
| 706 | 基于贝叶斯神经网络的肾盂内压预测模型训练方法及预测方法 | CN202410668934.6 | 2024-05-28 | CN118468137A | 2024-08-09 | 邢元; 梁世龙; 王树新; 赵建厂; 孙宇阳; 关博 |
| 本公开提供了一种基于贝叶斯神经网络的肾盂内压预测模型训练方法，可以应用于医学信息技术领域。该方法包括：通过肾盂内压影响因子采集平台，获取多组训练数据；对多组训练数据各自包括的第一样本数据分别进行二进制拆分，得到多个第二样本数据；分别对多个第二样本数据进行主成分分解，得到多个样本数据集；以及利用多个样本数据集和多个标签数据训练初始模型，得到肾盂内压预测模型。本公开还提供了一种基于贝叶斯神经网络的肾盂内压预测方法。 | ||||||
| 707 | 一种针对随机特性的贝叶斯神经网络非线性均衡方法 | CN202211595824.9 | 2022-12-12 | CN116015458B | 2024-08-02 | 周思彤; 高然; 刘欣雨; 忻向军; 常欢; 姜子韫; 王拥军; 张琦; 田清华; 田凤; 郭栋; 李志沛 |
| 本发明公开的一种针对随机特性的贝叶斯神经网络非线性均衡方法，属于光纤通信技术领域。本发明对模分复用光纤通信系统的非线性进行推导，通过拟合模分复用光纤通信系统非线性特性进行数据采集；将贝叶斯神经网络模型中的参数初始化为标准正态分布，根据不同输入信号自适应贝叶斯神经网络非线性均衡模型的权重和偏差，通过变分学习找到使KL散度最小化的变分参数；基于训练好的贝叶斯神经网络非线性均衡模型，准确识别出不同情况下传输的不同信号的误码率特性，通过非线性均衡处理实现高准确度的数据恢复，有效缓解信号在光纤传输过程中受到的光纤非线性效应的影响，提升通信系统在不同工况下的鲁棒性。本发明还具有泛化能力强、复杂度低的优点。 | ||||||
| 708 | 基于贝叶斯网络模型的脑电信号压缩编码方法及设备 | CN202410870476.4 | 2024-07-01 | CN118413240A | 2024-07-30 | 李越; 唐海波; 迟硕 |
| 本申请公开一种基于贝叶斯网络模型的脑电信号压缩编码方法及设备，方法通过获取待对齐的原始脑电数据并进行预处理，获取标准脑电数据和标签信息；根据标准脑电数据对应的时间点信息和通道信息，构建脑电数据矩阵并输入至预设的卷积神经网络，输出脑电数据矩阵对应的全局特征；将全局特征输入至预设的广义低秩近似分解模型,以分解为低秩分量和稀疏分量，分别对低秩分量和稀疏分量进行特征选取，分别计算输出的低秩特征通道数据和稀疏特征通道数据与预设的专家知识数据的相似度信息，根据相似度信息在低秩特征通道数据和稀疏特征通道中确定目标特征通道数据；根据迭代特征对齐算法对目标特征通道数据进行跨域数据的特征分布对齐。 | ||||||
| 709 | 一种基于智能体建模和贝叶斯网络的农户行为预测方法 | CN202410888687.0 | 2024-07-04 | CN118410343A | 2024-07-30 | 彭立; 梁帅; 张昊; 李赛男; 田兵伟 |
| 本发明公开了一种基于智能体建模和贝叶斯网络的农户行为预测方法，属于农户行为模拟预测技术领域。包括以下步骤：数据收集阶段；贝叶斯关系网络和同群效应影响机制构建阶段；农户防灾意识变化机制构建阶段；农户长期应灾适应行为预测模型构建阶段；模型参数设置阶段；模型信息导入与模拟阶段，输入目标地区的外界条件，然后多次模拟地质灾害的随机爆发，统计每一次模拟目标代理的决策行为并取平均值得到农户行为预测结果。采用ABM方法，能够模拟多种灾害场景下农户的应对行为，并分析其影响因素和规律，具有较高的预测性和适用性；能够在模拟过程中挖掘出农户群体行为的涌现现象。 | ||||||
| 710 | 一种基于贝叶斯网络的城市暴雨内涝灾害链风险评估系统 | CN202410213127.5 | 2024-02-27 | CN118037048B | 2024-07-30 | 王健; 郑赟; 赵金龙; 朱伟; 王亚飞 |
| 一种基于贝叶斯网络的城市暴雨内涝灾害链风险评估系统，其利用贝叶斯网络的概率推理能力，结合深度学习的特征提取能力，对城市暴雨内涝灾害链中各个环节的暴雨数据进行编码、关联和融合，以得到灾害发生几率的预测值，从而实现对城市暴雨内涝灾害链的风险评估。 | ||||||
| 711 | 一种基于贝叶斯网络的电子装备调试方案智能推荐方法 | CN202311763688.4 | 2023-12-19 | CN118394972A | 2024-07-26 | 赵武; 关景新; 肖勇; 张郭勇; 桑树艳; 陈星宇; 郭鑫; 张凯; 于淼 |
| 本发明属于工业数字化技术领域，公开了一种基于贝叶斯网络的电子装备调试方案智能推荐方法，依据电子设备调试需求，得到一组以上的第一实例组件；每个调试需求对应一组第一实例组件；依据每一组第一实例组件，对知识图谱进行检索，获取与各组第一实例组件关联的第二实例组件；各组第一实例组件和与之关联的第二实例组件构成相应的有向图；依据有向图，将同组内的各第一实例组件，第一实例组件与第二实例组件或/和各第二实例组件之间的关系转化为概率描述，构建条件概率表，从而得到Noisy‑OR贝叶斯网络推荐模型；再通过推理方法生成调试推荐方案。本发明融合知识图谱及贝叶斯网络，通过推理方法生成调试方案，完成针对电子设备调试方案的智能推荐。 | ||||||
| 712 | 一种基于离散型贝叶斯网络的综合管廊内部管道安全评价方法 | CN202410368004.9 | 2024-03-28 | CN118364237A | 2024-07-19 | 谢欣; 王恒栋; 王建; 杨峰; 高程鹏; 王嘉伟 |
| 本发明提出一种基于离散型贝叶斯网络的综合管廊内部管道安全评价方法，该方法包括：确定主要影响因素(接缝错台、接缝张开、温度应力、环向应力等)与管道破坏的逻辑关系，构建贝叶斯网络的拓扑结构；然后，通过数值计算与理论计算公式，确定贝叶斯网络中各节点之间的数值对应关系；利用蒙特卡罗方法生成数据样本，确定贝叶斯网络的条件概率；将工程实际证据输入贝叶斯网络计算出管道的失效概率，并对管道破坏的原因进行诊断分析。本发明以综合管廊和廊内管道的力学模型为基础，有较为科学可靠的理论依据，并且可以根据管廊的实际运维数据进行参数更新，从而进一步提升模型的预测精度。同时，模型所需要的输入信息不需要额外的监测设备，在管廊的日常运维检测中很容易获得，从而及时发现廊内管道的潜在风险，提前采取有针对性的安全防控措施。 | ||||||
| 713 | 一种基于贝叶斯神经元网络的铸坯纵裂纹离线判别方法 | CN202410164683.8 | 2024-02-05 | CN118312869A | 2024-07-09 | 曹金帅; 高宇; 李杰; 马其云; 刘崇; 张瑞忠; 毛文文; 年保国; 孙剑; 王娇娇; 张庆宇 |
| 本发明涉及一种基于贝叶斯神经元网络的铸坯纵裂纹离线判别方法，通过收集铸坯发生纵裂纹与未发生纵裂纹时的热电偶温度数据，采用贝叶斯神经元网络对数据进行训练，应用训练好的模型对温度变化率数据进行判别，根据模型判别结果的置信度决定是否补充进行铸坯实物、热像图、热电偶曲线的观察确认。本发明由于采用贝叶斯神经元网络对纵裂纹进行判别，提高了铸坯纵裂纹判断确认的准确性与便捷性，减少了该过程对岗位操作人员的劳动强度和经验依赖。 | ||||||
| 714 | 基于贝叶斯网络预测的Raid卡智能缓存淘汰方法及装置 | CN202410476640.3 | 2024-04-19 | CN118277222A | 2024-07-02 | 汪烜烨; 陆璐; 邹全义; 冼允廷 |
| 本发明涉及一种智能缓存淘汰领域，具体涉及基于贝叶斯网络预测的Raid卡智能缓存淘汰方法及装置，该方法收集Raid卡的数据访问记录；分析收集的Raid卡的数据访问记录，根据分析结果确定Raid卡的访问数据块的多维特征；对Raid卡的访问数据块的多维特征进行预处理操作；使用访问数据块的多维特征训练贝叶斯网络，构建贝叶斯网络预测模型；根据各个访问数据块的多维特征，通过贝叶斯网络预测模型输出各个数据块在未来的访问概率，根据各个数据块在未来的访问概率进行缓存淘汰决策，输出淘汰决策列表。本发明通过构建基贝叶斯网络预测模型，周期性更新基贝叶斯网络预测模型，可以显著提高缓存的命中率，减少延迟，以及优化Raid卡的整体存储系统的性能和效率。 | ||||||
| 715 | 基于改进动态贝叶斯网络的软件类学科竞赛表现评估方法及系统 | CN202410455974.2 | 2024-04-15 | CN118246810A | 2024-06-25 | 肖绍章; 徐祥; 李冠晓; 张哲轶; 苏思瑞; 潘任飞; 杜铭浩; 陈方方; 胡婷婷 |
| 本发明提出了一种基于改进动态贝叶斯网络的软件类学科竞赛表现评估方法及系统。首先对在线教育学习日志进行预处理和特征选择，形成学习投入、学习效率、学习技巧三个向量，输入GRU模型生成隐藏特征序列，替代传统动态贝叶斯网络的原始特征输入，避免了传统动态贝叶斯网络在处理高维度时序数据时的复杂性，通过动态贝叶斯网络实现学生软件类学科竞赛表现评估，并使用梯度下降法更新模型参数。与现有技术相比，本发明能够更准确地反映学生软件类学科竞赛能力的演化过程，建立了一种全面的基于学生学习行为数据的综合评价体系，确保了小样本下的准确率，为优化个性化教学提供了科学可靠的数据支持，使在线教育系统能够更精准地调整教学策略。 | ||||||
| 716 | 基于小数据集的转子故障贝叶斯网络诊断方法及系统 | CN202410024993.X | 2024-01-08 | CN117874643B | 2024-06-25 | 王进花; 刘正奇; 魏婷; 曹洁; 刘昀强; 张健; 李杰; 曹文宝 |
| 本发明公开了基于小数据集的转子故障贝叶斯网络诊断方法，包括：获取转子故障数据并进行预处理，得到多个不同的子训练数据集；通过K2算法并基于多个子训练数据集和改进的BDe评分函数，得到多个不同的贝叶斯网络结构；将多个贝叶斯网络结构转换为对应的多个网络矩阵；基于多个网络矩阵并通过集成策略函数得到最优结构的得分矩阵；基于得分矩阵得到最优贝叶斯网络结构；基于极大似然估计学习最优贝叶斯网络结构中的变量参数，得到网络结构最优参数；基于最优参数和最优贝叶斯网络结构对待检测数据进行诊断，得到故障诊断结果。解决了小数据集下最优贝叶斯网络结构学习困难的问题，进而提高了贝叶斯网络的诊断精度。 | ||||||
| 717 | 一种基于贝叶斯神经网络的低剂量CT图像质量增强方法 | CN202410045620.0 | 2024-01-12 | CN118229563A | 2024-06-21 | 陈钊浩; 冯瑞; 张晓波; 何雯; 傅唯佳; 沈全力; 王青 |
| 本发明提供一种基于贝叶斯神经网络的低剂量CT图像质量增强方法，包括如下步骤：步骤S1，使用Mayo Clinic数据集作为训练集。步骤S2，基于贝叶斯卷积层构建用于增强低剂量CT图像质量的贝叶斯神经网络。步骤S3，对训练集进行数据增强后，输入到贝叶斯神经网络中，训练贝叶斯神经网络，直到网络收敛。步骤S4，使用训练完成的贝叶斯神经网络对低剂量CT图像进行计算，生成质量增强的低剂量CT图像。 | ||||||
| 718 | 基于贝叶斯网络的输电线路重合闸和强送决策方法及系统 | CN202410015777.9 | 2024-01-04 | CN117856182B | 2024-06-21 | 赵启; 张路; 王建; 谭金龙; 高兴; 彭寅章; 南东亮; 张博; 陈军; 王开科; 张硕博; 舒斐; 杨帅; 李雯鑫 |
| 本发明涉及一种基于贝叶斯网络的输电线路重合闸和强送决策方法及系统，首先提取故障线路的故障录波信息和故障点气象信息，通过故障辨识模型基于故障录波信息输出故障线路的故障类型和故障原因，根据预先构建的历史重合闸信息概率表确定与故障类型和故障原因相对应的历史重合闸信息，接下来，预先构建的故障重合闸决策模型基于前述提取和确定的参数对故障重合闸指令进行输出，从而供运维人员能够根据实时输出的信息和故障重合闸指令做出决策故障强送。本发明能够将气象因素引入故障性质判断和线路重合闸的过程中，更加注重整合气象因素，并将其与传统的电压和电流等特征量结合起来，从而建立更为完善、准确的故障性质判断和线路重合闸方法。 | ||||||
| 719 | 基于贝叶斯优化的社交网络影响力最大化方法、设备及存储介质 | CN202410440450.6 | 2024-04-12 | CN118212085A | 2024-06-18 | 胡嘉鑫; 王文俊; 邵明来; 孙越恒 |
| 本发明公开了一种基于贝叶斯优化的社交网络影响力最大化方法，基于多维用户兴趣和传播项主题分布，构建多主题扩散模型以计算节点之间的影响概率；根据节点的结构信息和属性信息划分社区，将结构上联系紧密且兴趣相似的节点划分到同一社区中；将每个社区的种子节点配额作为超参数，基于贝叶斯优化算法采样种子节点配额分布；使用包含PageRank和自适应度的组合启发式算法，计算节点的重要性分数并排序，在每个社区中选出与种子节点配额数量相同的种子节点放入候选种子集中；计算候选种子集的影响力扩展度，选择影响力扩展度最大的候选种子集作为最终的种子集。本发明较现有算法影响力扩展度大、种子节点之间的平均距离大、运行时间短。 | ||||||
| 720 | 一种贝叶斯网络游客分析方法、系统、电子设备及存储介质 | CN202410415594.6 | 2024-04-08 | CN118211991A | 2024-06-18 | 陈泽锋; 陈建文; 王毅成 |
| 本发明公开了一种贝叶斯网络游客分析方法、系统、电子设备及存储介质，包括选定一文旅区域，获取文旅区域的访客数据；基于访客数据，采集访客特征，访客特征包括年龄段、性别、着装、停留时间、购买行为、拍照行为和背包情况；基于访客特征构建贝叶斯网络游客分析模型；基于贝叶斯网络游客分析模型，计算访客为游客的概率；基于游客的概率和访客数据获得游客人数；本发明从概率学角度上根据多个特征维度判定访客成为游客的概率，计算区域中游客的期望值数量，能够有效的计算出区域客流中的游客数量。 | ||||||
QQ群二维码
意见反馈
意见反馈