基于贝叶斯网的业务端编程方法

针对现有的业务端编程方法缺乏对于没有软件开发背景的最终用户的指导机制,提出了一种基于贝叶斯网的业务端编程方法.首先提出了一种基于贝叶斯网的最终用户编程基本框架,然后基于贝叶斯网结构学习方法和过程日志建立了用来支撑业务端编程的领域专家系统,在此基础上提出了以领域专家系统为核心的启发式业务端编程方法.该方法在编程过程中依赖领域专家系统对最终用户推荐业务活动,提供实时指导,帮助最终用户逐步完成应用系统的构造.最后对该方法的有效性进行了定性的评估和分析,结果表明,基于贝叶斯网的业务端编程方法可以在一定程度上提高最终用户编程的效率.     

智能化战术任务管理系统研究

从感知、评价、决策的认知过程研究了现代军机战术任务管理系统的结构、组成和功能,重点研究了态势评估和任务规划两个关键子系统.建立了基于贝叶斯网络和模糊逻辑推理的态势评估算法及威胁评估模型,采用贝叶斯网络对威胁级别进行了评估,运用模糊逻辑对各威胁源的相对重要性进行了推理,实现了对威胁源威胁级别和相对重要性的连续动态评估.研究了基于动态A^*算法的战术飞机飞行路径在线实时规划问题,实现了态势评估与路径规划两子系统之间的集成.研究结果表明了该系统方案和算法的有效性,任务规划系统能够自适应战场态势的变化.     

部分可观Petri网故障的量子贝叶斯诊断

针对故障本身构建量子贝叶斯Petri网模型算法，并利用该子网模型进行Petri网系统故障分析。对于部分可观Petri网模型中的不可观故障，根据可达标识图分析变迁点火路径不能判断系统状态，建立量子贝叶斯子网模型，通过不确定路径引起的量子干涉重新标定变迁的条件概率表得到量子概率振幅表。根据故障变迁的前置集合并结合量子贝叶斯推理计算变迁触发的先验概率，由后置集合中的可观变迁修正后验概率，由最大后验概率估计系统所处状态，当故障变迁不唯一时，选取最大概率的故障作为故障源。以实际故障系统建立部分可观Petri网模型，结合可观标签概率序列信息和量子贝叶斯概率估计，对系统不可观部分进行故障诊断验证算法的有效性。      

飞行器总体设计中主要参数的神经网络估算

运用近年来迅速发展的神经网络技术,成功构造了飞行器总体设计过程中具有重要作用的总体质量估算网,升力系数估算网,以及阻力系数估算网,结果表明训练后的参数估算网比通常使用的近似估计公式具有更高的精度.同时,根据所涉及问题的数据特点,为了提高对网络的训练精度,对现有MBP算法作了进一步改进,仿真结果证明改进的MBP算法具有更高的训练效率.这一思路和方法可适用于机械及航空航天其它产品的总体概念设计过程.      

基于GA-BP贝叶斯算法的可靠性分析近似模型

研究了GA-BP(Genetic Algorithm-Backpropagation)贝叶斯算法在可靠性仿真中的应用.GA-BP贝叶斯算法是一种新型前馈神经网络训练算法,它建立在遗传算法(GA)、L-M(Levenberg-Marquardt) BP算法以及贝叶斯方法这三者的基础上.由于该算法的训练目标是获取对应于后验分布最大值的权值向量,并且在搜索过程中融入了遗传算法,因此能够使前馈神经网络具有更佳、更稳定的泛化性能.在可靠性仿真中,采用GA-BP贝叶斯算法来构造前馈神经网络近似模型,再用它来替代复杂费时的数值仿真程序进行Monte Carlo模拟,就能够在计算成本得到有效控制的同时获取随机输出变量的概率分布情况.     

基于贝叶斯理论的小子样运载火箭可靠性评估技术

针对"长征八号"(CZ-8)运载火箭技术先进、研制成本高、可靠性鉴定试验实施难度大的情况,提出一种基于贝叶斯理论的小子样可靠性评估技术。根据贝叶斯定理,充分利用验前信息及试验数据,对常见寿命分布类型单元的贝叶斯可靠性评定模型进行了构建与推导,具体包括Weibull、二项、指数3种不同寿命分布类型的部件,给出了相应可靠性评估参数的数值计算方法;结合数据预处理、贝叶斯可靠度估计模型构建与计算等步骤,归纳了数据处理、先验分布构建等工作的几种方法,并对基于贝叶斯理论的小子样可靠性评估流程进行了总结;最后,选取运载火箭系统中3种不同类型的设备进行可靠性评估。研究结果表明:所提出的方法能够充分利用既有信息,对可靠性的评定结果要优于经典方法。     

基于朴素贝叶斯K近邻的快速图像分类算法

朴素贝叶斯最近邻(NBNN)分类算法具有非特征量化和图像-类别度量方式的优点,但算法运行速度较慢,分类正确率较低.针对此问题,提出一种朴素贝叶斯K近邻分类算法,基于快速近似最近邻(FLANN)搜索特征的K近邻用于分类决策并去除背景信息对分类性能的影响;为了进一步提高算法的运行速度及减少算法的内存开销,采用特征选择的方式分别减少测试图像和训练图像集的特征数目,并尝试同时减少测试图像和训练图像集中的特征数目平衡分类正确率与分类时间之间的矛盾.该算法保留了原始NBNN算法的优点,无需参数学习的过程,实验结果验证了算法的正确性和有效性.     

基于贝叶斯准则的支持向量机预测模型

对实际统计数据中存在的相关性、不确定性和非线性问题,提出贝叶斯支持向量机预测模型方法.构建基于高斯分布的权值分布模型描述信息的不确定性,基于先验概率分布和贝叶斯关系获得后验分布模型,利用极大似然方法和递推迭代算法求解后验分布的最佳参数,从而得到关联向量机.建立起基于参数分布多维时间序列预测模型,将每一步迭代过程中的支持向量机输入作为随机变量,考虑数据不确定性的传递,递推得到贝叶斯支持向量机预测输出.由于贝叶斯支持向量机可以有效反映随机影响及其传递,可以克服数据不确定性和相关性的影响,因此基于贝叶斯支持向量机预测效果更加符合实际.实例表明利用贝叶斯支持向量机预测高科技企业发展趋势与实际发展趋势接近,可以克服数据相关性、不确定性和非线性对信息模型的影响,具有较高的预测精度和预测鲁棒性.     

图模型与学习算法结合的贝叶斯网络自动建模

针对纯数据驱动的贝叶斯网络结构学习算法的准确度和效率较低的问题,提出了一种融合多信号流图模型与K2学习算法的贝叶斯网络自动建模方法。该方法利用多信号流图模型能够描述信号之间传递与依赖关系的能力,结合K2学习算法在结构学习中的优势,实现了专家知识与数据驱动方法有效融合的贝叶斯网络结构自动学习算法。通过与常用网络结构学习算法的对比实验证明,该融合算法显著降低了结构学习对学习范围和训练数据规模的要求,具有更高的学习准确度和运算效率。采用真实系统实例阐述了该融合算法的应用过程,验证了算法的实用性。      

基于非概率凸模型可靠性的结构优化设计

考虑到结构系统参数的不确定性,基于提出的非概率凸模型可靠性指标的新定义,研究了在非概率凸模型可靠性约束下,结构优化设计的数学模型和求解方法.该方法通过超椭球域界定不确定参量,将结构基本不确定变量安全域的超体积与其可行域的超椭球总体积之比作为结构非概率可靠性的度量.并赋值可靠度作为约束条件,利用乘子法和阻尼牛顿法对结构的优化问题进行迭代求解,算法稳定,迭代速度快.数值算例验证了所提出方法的正确性.     

基于动态贝叶斯网络的可修GO法模型算法

GO法是评价复杂系统可靠性和安全性的有效方法,除了能描述多状态时序特性外,还能表达系统的复杂动态维修行为.针对这种带有动态可修特性的系统GO法模型,提出一种基于动态贝叶斯网络的新算法.首先将GO法模型中的可修操作符和不可修操作符转换成动态贝叶斯网络,然后将整体模型通过贝叶斯软件进行模型求解.新方法结合贝叶斯网络理论的成熟算法和软件,可得到系统可用度随时间变化的曲线和给定时间点的瞬时可靠性指标,并且无需考虑共有信号问题.基于动态贝叶斯网络理论的新算法规则简单统一,便于工程应用.      

基础软件平台集成测试组合选择方法

针对基础软件平台集成测试组合爆炸的问题,研究了组合设计方法,提出了一种基于组合设计选择基础软件平台集成测试组合的方法.该方法将基础软件平台看作是一个多因素的系统,组成平台的每类基础软件用一个对应的因素变量来表示,每类基础软件的不同品牌产品表示为各因素变量的多种取值,构建相应的正交表或基于正交表的覆盖表,采用正交表或覆盖表来选择集成测试组合,按照选择的集成测试组合进行基础软件平台集成测试.应用实例表明该方法保证了集成测试组合对基础软件间两两交互的全覆盖,并有效地降低了集成测试组合数.     

基于ARMA时序模型的结构参数识别集员算法

研究在时域内利用含噪声观测数据识别结构参数问题.建立了与结构振动微分方程等价的自回归滑动平均(ARMA, Autoregressive Moving-Average)时序模型,将结构参数识别问题转换为ARMA模型参数辨识问题.在不确定但有界(UBB, Unknown-But-Bounded)噪声假设下,基于线性时不变系统参数集员辨识的区间算法,寻求与观测数据和噪声相容的参数的最小超长方体(或区间向量),进而得到结构参数的估计值.通过数值算例,将本文算法与最小二乘算法进行了比较,显示了其可行性和有效性.      

可复用的需求建模方法

提出了一种特征驱动的可复用需求建模方法(RRM,Reusable RequirementMethod),此方法定义了一个可复用的需求建模过程(RRMP,Reusable Requirement Modeling Process),在领域工程和应用工程两个层面上都提出了相对完整的需求建模方法并将两个阶段有机地融合在一起.将主要研究方向着眼于领域模型的正确建立、合理剪裁和对象化过程,从而得到针对于具体应用的需求模型.在RRMP的过程指导下还将设计一个需求定制与应用开发平台(RAP,Requirement customing Application developing Platform).RAP平台立足于需求获取阶段,以用户易理解的图形化方式灵活直观地与用户进行需求交互,根据用户定制的需求自动生成具体应用的标准需求开发文档和开发过程中所产生的统一建模语言(UML,Unified Modeling Language),并最终开发出用户所需的领域内特定应用的原型系统.RAP平台主要包含3个部分:图形化需求定制工具,需求开发文档生成工具和目标应用开发工具.     

基于FRFT域特征差异的压制干扰检测与分类算法

针对干信比未知情况下有源压制干扰分类识别结果可信度较低的问题, 提出了一种基于FRFT域特征差异的压制干扰检测与分类算法。首先, 通过FRFT域峰值阶次的序贯判决算法, 进行压制干扰的存在性检测, 以保证压制干扰分类识别在较高的干信比条件下进行; 然后, 在此基础上, 分别提取回波信号在FRFT域的极值阶次标准差和峰值阶次标准差作为分类识别特征量, 同时, 为避免硬判决造成的分类错误, 采用模糊判决的方法得到基于不同特征参数的分类识别结果; 最后, 按一定准则将2种分类识别结果进行融合, 以进一步提高分类识别正确率。仿真结果表明, 与现有压制干扰分类识别算法相比, 该算法较好地解决了分类识别结果可信度较低的问题, 同时具有较高的分类识别正确率。      

基于多信号流图的诊断贝叶斯网络建模

多信号流图与贝叶斯网络是两种不同的建模方法,对两种建模方法的异同分析表明多信号流图到贝叶斯网络的转化是可行的.为了降低诊断贝叶斯网络模型的开发费用,提出了一种基于多信号流图的诊断贝叶斯网络建模方法,从模型结构和模型参数两个方面论述了多信号流图向诊断贝叶斯网络的转化方法.依据该方法生成的诊断贝叶斯网络模型具有应对复杂系统故障诊断的证据冲突及不确定性问题的优点.实验证明所获得的诊断贝叶斯网络模型的诊断准确性与多信号流图模型一致.     

Groebner基方法在LEO卫星网络路由优化中的应用

卫星网络中的服务质量(QoS,Quality of Service)多目标约束路由问题已被证明是一个非确定性多项式完全(NPC,Non-deterministic Polynomial Complete)问题.根据低轨(LEO,Low Earth Orbit)卫星网络拓扑变化有规律、可预知的特点,将Groebner基方法引入满足QoS多目标约束的路由算法中,应用算法前将QoS多目标约束问题转化为单目标约束问题,使它能够被多项式的最短路径优先(SPF,Shortest Path First)路由算法求解,从而通过Groebner基方法解决QoS多目标约束路由问题,保证了QoS参数的有效性.最后,将所提出的算法与启发式算法和最短路径优先算法进行了仿真比较.仿真实验结果表明,Groebner基方法有效降低了星上计算的难度,比传统方法能提供更好的QoS保证.     

新的适于计算机辅助工程的算法集成模型

为解决计算机辅助工程中"以算法为核心"类软件系统在算法集成方面存在的重要问题,以火箭发动机设计这个较具代表性的特例为切入点,深入分析工程实践中算法的运用特点,并指出现有软件系统的不足.提出2种算法模式,基于这2种算法模式建立一种新的算法集成模型--轮循与层次化算法集成模型,其具有松耦合、层次化、灵活等特点,基于该模型可建立一个跨领域、通用、高效的算法集成软件环境.