| 序号 | 专利名 | 申请号 | 申请日 | 公开（公告）号 | 公开（公告）日 | 发明人 |
|---|---|---|---|---|---|---|
| 941 | 一种基于显示连通贝叶斯网络的结构系统易损性评估方法 | CN201810604960.7 | 2018-06-13 | CN108805205A | 2018-11-13 | 王其昂; 刘书奎; 东兆星 |
| 本发明公开一种基于显示连通贝叶斯网络(ECBN)的结构系统易损性评估方法。该方法针对传统易损性分析主要集中在构件层次、较少考虑构件间概率依赖关系开展系统失效概率推理的局限性，本发明通过显示连通贝叶斯网络考虑多种构件损伤联合效应，提出了基于多维性能极限状态方程的根节点先验概率评估模型，力求真实反映构件损伤状态，提高评估精度；利用层次分析法考虑构件间概率依赖关系，构造贝叶斯网络中间节点条件概率信息，该方法在损伤数据缺乏情况下尤其实用，最终通过变量消元算法实现从构件易损性到结构系统易损性的推理。弥补大型工程结构系统易损性评估的研究不足，为重大工程结构系统的安全建设与有效运营提供科学支撑。 | ||||||
| 942 | 一种基于多重长短期记忆网络和经验贝叶斯的设备寿命预测方法 | CN201810287783.4 | 2018-03-30 | CN108520320A | 2018-09-11 | 吴军; 程一伟; 朱海平; 邵新宇; 黎国强 |
| 本发明属于机械设备状态监测和寿命预测技术领域，并公开了一种基于多重长短期记忆网络和经验贝叶斯的设备寿命预测方法，包括以下步骤：1)获取机械设备的多种监测信号，并对采集的监测信号进行预处理；2)对监测信号进行筛选，选取能较好反应机械设备退化过程的信号；3)构建多重长短期记忆网络模型实现多个网络同步训练；4)将传感器实时采集的信号输入到多重长短期记忆网络模型中，多个网络进行并行预测，得到预测结果；5)利用经验贝叶斯算法对预测结果的概率分布进行估计，推断出最可能的设备剩余使用寿命。本发明能够对机械设备的剩余使用寿命进行实时精确预测，实现机械设备故障的提前感知，保障机械设备的安全、稳定、长周期运行。 | ||||||
| 943 | 一种基于空间贝叶斯网络的环境健康风险监测预警系统及方法 | CN201710969307.6 | 2017-10-16 | CN107767954A | 2018-03-06 | 李连发; 方颖; 王劲峰 |
| 本发明提出了一种基于空间贝叶斯网络的环境健康风险监测预警系统及方法，在传统贝叶斯网络基础上增加了空间相关性及空间聚集因子，将优化的机器学习同域知识紧密结合，从而生成结构更合理的网络模型；在已有因素的基础上加入了空间相关性/聚集性推理链接，从而达到增强贝叶斯网络环境健康风险监测及预警的能力；手足口病受到多种环境要素的影响，本发明以此为例子，说明空间贝叶斯网络的原理，在环境健康风险评估及预警中的优势。本发明可应用到同环境健康紧密相关的各疾病或健康问题的风险监测及预警中去。 | ||||||
| 944 | 基于贝叶斯框架边缘先验的多层分割网络的图像分割方法 | CN201711056764.2 | 2017-10-27 | CN107680113A | 2018-02-09 | 何楚; 张芷; 郭闯创; 熊德辉 |
| 本发明涉及一种基于贝叶斯框架边缘先验的多层分割网络的图像分割方法，S1采用全卷积网络对输入数据进行粗分类，输出为与输入大小相等的各类别得分图，同时从全卷积神经网络的内部特征层中提取出隐式边缘图；S2采用边缘检测网络对输入数据提取出显示边缘图；S3利用域转换和条件随机场对S2得到的类别得分图作第一次约束，得到初步的分割图；S4将S2中得到的显示边缘图转换为边缘距离图；S5将边缘距离图输入到限定型域转换，对S3得到的初步的分割图进行第二次边缘约束，得到最终的分割结果。本发明通过外部边缘网络提取出了边缘信息，利用边缘信息对粗分割结果进行边缘区域的分割过滤，从而提高SAR图像分割的准确率。 | ||||||
| 945 | 一种融合专家先验知识的贝叶斯网络参数学习方法 | CN201710865219.1 | 2017-09-22 | CN107679566A | 2018-02-09 | 柴慧敏; 雷江南; 赵昀瑶; 方敏 |
| 本发明提出了一种融合专家先验知识的贝叶斯网络参数学习方法，旨在提高小样本条件下参数学习结果的精度，实现步骤为：获取贝叶斯网络参数取值的可能性表示的正态分布；获取正态分布标准差的取值范围；获取采用贝塔分布逼近正态分布所需求解的目标函数；对目标函数表达式进行化简并判断目标函数是否存在极小值，若是，计算贝塔分布的位置参数和形状参数的值；否则，对目标函数表达式中的系数进行细微调整；获取融合专家先验知识的参数学习模型；计算融合专家先验知识的各变量的概率分布估计值。本发明将专家先验知识融合到贝叶斯估计方法中，可用于小样本条件下的具有更高精度的数据分析。 | ||||||
| 946 | 一种基于贝叶斯方法的多关系社交网络模式挖掘方法 | CN201710751229.2 | 2017-08-28 | CN107577742A | 2018-01-12 | 李建敦 |
| 本发明提供了一种基于贝叶斯方法的多关系社交网络模式挖掘方法，首先基于n-cell模糊数进行不确定关系建模，能够将社交网络间的多种交互关系聚合，同时在不精确、不完整采样环境下，尽可能保证到模糊子集的隶属精度；然后通过理论分析，来生成零模型及枚举子图，基于贝叶斯方法进行模体识别，能够加速算法收敛过程。本方法能够对真实的社交网络进行较普适的刻画，特别是对多关系、不确定关系的描述。在此基础上，扩展现有的一般性模体识别方法以挖掘其中的非平凡交互模式，能够在保证精度与可靠性的前提下，为面向社交网络的分析与挖掘，如舆情传播、推荐系统、精准营销等提供有力支持。 | ||||||
| 947 | 一种基于增强学习算法的双层贝叶斯网络推理算法 | CN201310307121.6 | 2013-07-19 | CN104299036B | 2017-12-15 | 李捷; 褚灵伟; 董晨; 陆肖元 |
| 本发明提供一种基于增强学习算法的双层贝叶斯网络推理算法，包括以下步骤：步骤S1、初始化节点的增强学习概率表；步骤S2、分别更新横轴方向和纵轴方向上的条件选择概率的；步骤S3、对横轴的取值组合和纵轴的节点进行判断，删除冗余的取值组合和节点。本发明的基于增强学习算法的双层贝叶斯网络推理算法通过建模双层网络参数之间的概率依赖关系，根据已知网络状态推理分析后续网络状态，并采用增强学习的算法对推理的过程中所获取的网络节点的不确定信息进行学习和判断，进而对其进行分级，得到其概率信度值，进一步将得到的双层贝叶斯网络模型进行简化，只保留其中对推理最有用的信息，使其更利于实现和精准推理。 | ||||||
| 948 | 基于局部加权贝叶斯网络的自适应软测量预测方法 | CN201710648041.5 | 2017-08-01 | CN107290965A | 2017-10-24 | 葛志强; 刘紫薇; 宋执环 |
| 本发明公开一种基于局部加权贝叶斯网络的自适应软测量预测方法，该方法充分发挥贝叶斯网络和局部加权学习的优势，对每个待预测的新样本建立局部模型，一旦预测完成后，立即丢弃该模型，当下一个样本到来时，重新建立新的局部模型。相比于其他现存方法，本发明采用贝叶斯网络作预测，能给出预测值的置信水平和置信区间，尤其是当训练样本和测试样本存在不同程度缺失的情况下，该方法有良好的预测效果。 | ||||||
| 949 | 一种脑功能连接分析的稀疏贝叶斯网络与Granger双约束方法 | CN201710449823.6 | 2017-06-16 | CN107240098A | 2017-10-10 | 林秋华; 张策; 张超颖 |
| 一种脑功能连接分析的稀疏贝叶斯网络与Granger双约束方法，属于生物医学信号处理领域。对于从多被试fMRI数据中提取的时间过程成分，同时进行稀疏贝叶斯网络(SBN)分析与Granger因果连接分析，寻找两种有效连接方法间的内在一致性，提取两种方法共有的网络连接，作为多被试fMRI数据的稳定脑功能连接加以输出，为脑功能研究和脑疾病诊断提供更好的技术支持。以默认网络DMN内部7个子成分为对象，以本发明提取的稳定连接为目标网络，采用Granger方法对40个健康被试对照组与42个精神分裂症患者组进行分析，两组被试在目标网络的连接结果上差异显著。 | ||||||
| 950 | 一种基于贝叶斯网络的复杂系统中传感器故障诊断方法 | CN201510138292.X | 2015-03-27 | CN104865956B | 2017-07-07 | 屈剑锋; 柴毅; 邢占强; 赵卫峰; 陈军 |
| 该发明提供了一种基于贝叶斯网络的复杂系统中传感器故障诊断方法，在复杂系统中构建传感器监测模型，并将动态贝叶斯网络模型应用于复杂系统传感器故障诊断中。具体方法步骤如下：一、根据各传感器特点建立复杂系统中单个传感器动态模型S(I,q)；二、建立面向复杂系统的贝叶斯网络模型；三、选取非线性观测器σ(I,q)，构建子系统估计模型，获取传感器残差；四、估计残差阈值，确定观测节点参数的先验概率分布；五、对贝叶斯网络结构与参数进行更新调整，构建新的贝叶斯模型；六、根据贝叶斯网络实现复杂系统传感器故障诊断。本发明在贝叶斯网络基础上进行扩展，针对复杂系统，在信息不完备条件下的复杂系统故障诊断具有明显优势。 | ||||||
| 951 | 一种基于贝叶斯概率与神经网络的图像分割方法 | CN201611124012.0 | 2016-12-08 | CN106846321A | 2017-06-13 | 胡海峰; 李昊曦; 顾建权; 谢斯岳 |
| 本发明公开一种基于贝叶斯概率与神经网络的图像分割方法，包括：为每个像素定义一个后验概率能量函数，通过利用基于贝叶斯概率计算的形态学膨胀方法对每个像素的相邻像素进行计算，然后对该像素的进行膨胀，使具有相似或者相同的后验概率分布的像素作为对分割分类的神经网络的输入。通过将该像素及其自适应的相邻像素输入到一个多层的神经网络中，提取判别性的特征判断是否为待分割图像的前景或背景，达到有效分割的效果。 | ||||||
| 952 | 一种基于贝叶斯网络的电网发展动态综合评价方法 | CN201611025364.0 | 2016-11-14 | CN106709626A | 2017-05-24 | 李付林; 杜振东; 刘卫东; 牛东晓; 黄雅莉; 孙可; 何英静; 郁丹; 沈舒仪; 曾建梁; 李春; 姚艳; 翁秉宇; 周林 |
| 本发明公开了一种基于贝叶斯网络的动态电网发展综合评价方法。目前对于电网发展的评估方法仍需进一步深入研究。本发明包括如下步骤：选取电网发展评价指标，构建电网发展水平评估指标体系；对收集到的各指标历史数据进行预处理，分别进行指标归一化处理和指标无量纲化处理；构建贝叶斯电网评估网络模型；基于激励或惩罚的电力动态综合评价方法计算样本数据综合评价得分，得到电网综合评价值，作为贝叶斯电网评估网络模型训练样本；对构建的贝叶斯电网评估网络模型进行训练，得到训练后的贝叶斯电网评估网络模型；输入测试样本进行测试。本发明可计算得到客观、准确的电网发展评价结果，对电网发展进行合理评价。 | ||||||
| 953 | 基于动态贝叶斯网络的高速公路路段交通状态估计方法 | CN201510245639.0 | 2015-05-14 | CN104809879B | 2017-05-03 | 孙棣华; 赵敏; 刘卫宁; 陈兵 |
| 本发明属于道路交通检测技术领域，具体公开了一种基于动态贝叶斯网络的高速公路路段交通状态估计方法，包括以下步骤：1)提取与路段交通状态的相关参数作为节点；2)确定节点间的相互关系，构建动态贝叶斯网络；3)对可观测节点的数据进行模糊分类，通过对历史数据的分析得到各个类的聚类中心，并确定可观测节点的数据属于各个类的隶属度；4)对于动态贝叶斯网络中选定的目标节点，求得相应的条件概率以及转移概率，构建选定目标节点的各时刻特征表；5)输入当前时刻的路段交通流参数到动态贝叶斯网络中，触发对各时刻的目标进行推理，得出交通状态估计结果；本发明解决单一参数估计状态时存在的不确定性的同时，考虑到交通状态存在的相关性，使得在对路段交通状态进行估计时具有更好的效果和可靠性。 | ||||||
| 954 | 一种基于贝叶斯网络的在线商品评价质量评估方法 | CN201610948344.4 | 2016-10-26 | CN106570525A | 2017-04-19 | 付晓东; 丁东; 刘骊; 刘利军; 冯勇 |
| 本发明涉及一种基于贝叶斯网络的在线商品评价质量评估方法，属于在线商品评价及不确定性推理技术领域。本发明首先对在线商品评价数据进行规范化处理并确定在线商品评价质量度量衡量标准，得到特征值向量并构建特征值矩阵；进而获得贝叶斯网的图结构，并得到概率参数表集合；最后，对评价质量值进行概率推理，取最大概率权重值及对应的评价质量值，最终得到评价质量度量值，以同一商品的评价质量度量值构建评价质量度量值集合，根据评价质量度量值对同一商品的评价数据进行排序，得到评估结果。本发明可以为第三方平台提供重要的评价质量评估方法，并能以用户视角改善评论显示顺序，使得用户可以更便捷地查看高质量评论信息。 | ||||||
| 955 | 一种基于贝叶斯网络的桥式起重机故障诊断方法 | CN201610925922.2 | 2016-10-24 | CN106529581A | 2017-03-22 | 陈志平; 陈强强; 李哲威; 何平; 孟玲娇 |
| 本发明公开了基于贝叶斯网络的桥式起重机故障诊断方法。贝叶斯网络应用于起重机故障诊断的尚未发现。本发明首先将已发故障事件归类，得到故障树模型，建立故障事件贝叶斯网络结构；其次将贝叶斯网络结构中的节点进行分类，得到模块状态层、故障推理层和故障底事件层；再次采集模块状态层的输出信号，根据桥式起重机各模块是否正常运行选择故障诊断模式；接着根据获取的故障底事件实际状态性能参数，转化为当前故障概率，重置故障底事件层的先验概率，使诊断模型更符合实际情况；最后利用贝叶斯网络算法进行故障诊断实现故障表现预测或第一故障点定位。本发明对故障事件充分解耦，排查过程中不断更新故障底事件故障概率，直至故障定位。 | ||||||
| 956 | 一种基于贝叶斯网络模型的公交时刻表动态生成方法 | CN201410710551.7 | 2014-11-28 | CN104376716B | 2017-01-11 | 魏明; 孙博; 周晨璨 |
| 本发明涉及一种基于贝叶斯网络模型的公交时刻表动态生成方法，包括：筛选影响公交时刻表动态生成的微观和宏观因素；构建公交时刻表动态生成的二层微观和宏观贝叶斯网络模型，即：构建公交环境动态变化预报贝叶斯网络模型和公交时刻表动态生成贝叶斯网络模型；预测随机干扰下的各种线路运力运量发生概率以及它们失衡的原因；结合调度策略，围绕及时疏散乘客目标，生成可能的时刻表方案；从政府、企业和乘客角度出发，计算评估时刻表好坏的各种指标，评估它们的优劣。本发明能够实现根据公交环境变化动态调整时刻表的功能，为公交日常运营管理提供技术支撑。 | ||||||
| 957 | 融合卷积神经网络及贝叶斯滤波器的跟踪方法及系统 | CN201610579386.5 | 2016-07-21 | CN106228575A | 2016-12-14 | 林露樾; 刘波; 肖燕珊 |
| 本发明公开了一种融合卷积神经网络及贝叶斯滤波器的跟踪方法及系统，包括：通过预定的训练集，对卷积神经网络进行预训练得到卷积神经网络的初步模型；接收用户输入的带有跟踪目标的视频流，通过初步模型对视频流中的跟踪目标进行跟踪，并利用微调技术对初步模型的参数进行微调，得到卷积神经网络的最终模型；接收用户输入的带有跟踪目标的监控视频流，通过替换后的TLD算法自动对监控视频流中的跟踪目标进行识别及跟踪，并通过贝叶斯滤波器更新目标模型集合和背景集合；可见，通过对卷积神经网络进行训练生成最终模型，能自动从监控视频流中识别跟踪目标，利用贝叶斯滤波器实现样本的更新，能实现对目标的长时间跟踪，增加用户操作体验。 | ||||||
| 958 | 一种基于贝叶斯网络的缺陷数据自动文摘分类方法 | CN201610506195.6 | 2016-06-30 | CN106202274A | 2016-12-07 | 黄绪勇; 孙鹏; 刘文波; 王裴劼; 张浩; 陈达; 胡勇 |
| 一种基于贝叶斯网络的缺陷数据自动文摘分类方法，包括：a.对每条缺陷数据中缺陷表象、缺陷部位、缺陷描述、缺陷设备、缺陷原因各象限中的文本信息进行整合，将整合后的缺陷记录作为一个文本分析对象；利用中文分词系统对缺陷文本样本进行分词；b.利用贝叶斯分类算法，分别对缺陷样本数据进行设备名称、缺陷部位、缺陷类型三个分析维度的文摘分类，得到部分缺陷维度的分类类型；c.根据缺陷数据内部各维度之间的关联关系，利用已分类出的部分缺陷维度文摘构建缺陷文摘信息的贝叶斯网络模型，得到缺陷模型的学习规则；d.对实际缺陷数据进行自动文摘和分类处理，从而规范缺陷数据，为设备缺陷相关的分析应用提供基础数据。 | ||||||
| 959 | 一种基于静态贝叶斯模型的IP网络故障定位方法 | CN201610567722.4 | 2016-07-18 | CN106130780A | 2016-11-16 | 乔焰; 焦俊; 马慧敏; 王婧; 沈春山; 王永梅; 朱诚; 张兵 |
| 本发明公开了一种基于静态贝叶斯模型的IP网络故障定位方法，一方面通过新增疑似故障过滤模块，消除了网络噪声对探测结果的影响，大大提升故障定位准确度；另一方面通过新增故障预处理模块，计算最优故障集合，大大降低了现有算法的复杂度，从而适用于大规模网络拓扑。 | ||||||
| 960 | 一种基于贝叶斯网络模型的微纳卫星星务健康管理系统 | CN201610328941.7 | 2016-05-18 | CN106056269A | 2016-10-26 | 王洋 |
| 本发明公开了一种基于叶贝斯网络模型的微纳卫星星务健康管理系统，包括整星级健康管理系统、分系统级健康管理模块、部件级健康管理单元，所述整星级健康管理系统用于完成整星电子系统的健康评估和故障恢复；所述分系统级健康管理模块用于对各分系统进行监测、诊断和评估，构成相对独立的分系统级诊断评估模块；所述部件级健康管理单元用于对部件或者传感器采集到的数据进行处理和传输；所述整星级健康管理系统连接多个所述分系统级健康管理模块，所述分系统级健康管理模块连接多个所述部件级健康管理单元。本发明构建了分层次、分布式的卫星星务健康管理系统架构，能够实现卫星的自主管理功能，延长卫星的使用寿命和安金运行能力。 | ||||||
QQ群二维码
意见反馈
意见反馈