基于贝叶斯网络的概率图模型变分近似推理研究

概率图模型利用了概率论和图论的关键内容,为解决多变量关系中所存在的依赖性与复杂性提供了完整的解决路径。在语言处理、计算机视觉、计算生物学等众多领域得到广泛应用。本文以贝叶斯网络作为核心研究方向,就概率图模型变分近似推理的全局性、收敛性、单调性等诸多特征进行辩证分析。最终论述了基于贝叶斯网络的概率图模型变分近似推理算法的应用范畴和优势,以便为相关研究提供理论参考。     

系统生物学中大型布尔网络的结构型序关系及其动态特征

【目的】研究系统生物学中大型布尔网络的结构型模块分解以及相关的动态演化问题。【方法】引入了一种适应于大尺度调控网络的模块划分方法,探讨了与模块划分相关的网络动态特性。【结果】在模块划分方面,证明了模块之间存在着偏序关系。在与模块划分相关的网络动态特性研究方面,提出了投影状态空间的概念,给出了局部投影空间和整个系统状态空间在稳定状态方面的关联性。【结论】通过对系统生物学中大型布尔网络进行合理模块分解,得到了从局部稳态特性推导总体稳态特性的基本结论,有效化简了对这类大型网络研究的复杂度。     

贝叶斯网络在泰乐菌素发酵过程中的应用

[目的]为发酵过程的动态调控提供依据。[方法]以泰乐菌素发酵过程的各发酵条件参数为特征向量,研究利用贝叶斯方法来预测发酵过程终产量的准确度。[结果]通过用泰乐菌素发酵数据学习出的贝叶斯网络能较好地指导发酵过程中的工艺条件,取得了较好的预测效果。利用学习的贝叶斯网络能对发酵产物产量进行有效预测,对发酵过程有很好的指导意义。[结论]贝叶斯网络在微生物发酵生产中具有良好的预测性能,具有很好的实用价值和应用前景。     

贝叶斯网络的参数学习研究

贝叶斯网络是数据采掘的一个非常有效的工具,它能够定性和定量地分析属性之间的依赖关系,进行概率推理。在给出贝叶斯网络相关概念后,讨论了贝叶斯网络在离散型、连续型和混合型3种情况下的参数学习计算公式;利用给定样本数据,对具有完整数据和不具有完整数据的贝叶斯网络,学习网络参数,更新网络变量原有的先验分布;从理论上给出两种不同类型下的参数学习公式。     

基于贝叶斯网络的中医辨证系统

将贝叶斯网络运用于中医辨证系统的研究,以更加量化中医辨证诊断系统.通过将中医体系中的916个证候,51项证素及其构成的1700条证名构成中医辨证贝叶斯网络的节点集,初步建立起中医辨证数据库并通过网络学习,形成中医辨证贝叶斯网络结构及概率表.利用建立的贝叶斯网络中医辨证系统,进行数据计量分析、推理验证证候—证素—证名间的关系,其结果与中医专家经验有很高的吻合性,尽管其仍未能全面反映中医辨证的思维能力.所以贝叶斯网络是对中医辨证进行信息挖掘处理的一种较好方法,可应用于中医人工智能辨证系统的建立.     

基于贝叶斯网络的过度训练诊断

针对贝叶斯网络在具体应用时需根据实际应用问题来建立相应的贝叶斯网络模型的问题,采用Java语言设计并开发了一套贝叶斯网络预测诊断系统,用来实现因果推理和诊断推理.重点讨论了系统的网络数字化、网络学习、网络推理等关键问题.利用该平台建立了过度训练的诊断网络,通过试验证明得出,此套系统简单易用、通用性强,可应用于不同的研究领域.     

基于贝叶斯网的象山港网箱轮养周期预测模型

贝叶斯网络具有强大的推理能力,能与先验知识和数据结合,进行定性和定量分析,提供了一条有效的处理预测问题的途径,首先介绍了以上贝叶斯网络及其特点,并讨论如何学习贝叶斯网络结构,然后由专家知识和给定数据,构造了一个海底网箱养殖的贝叶斯网络预测模,该模型能有效的表达网箱养殖环境各个指标之间的因果关系,进而可以对指定的网箱养殖的移动周期进行预测和决策.实验结果表明,试验数据显示评价的准确性是89.7%.以上证明该方法是有效可行的,表明贝叶斯网络是一种很有前途的预测评价方法.     

高等植物抽穗开花调控的分子网络

抽穗开花是高等植物从营养生长向生殖生长转变的过程,该过程受到众多基因的调控,这些基因又相互作用形成了一个复杂的调控网络。综述了近年来模式植物拟南芥和水稻抽穗开花调控分子机制的研究进展,重点介绍了植物抽穗开花调控的光周期途径、赤霉素途径、自主途径和春化途径,比较了这些途径在拟南芥和水稻中的异同。最后,结合作者对谷子抽穗开花调控分子机制的研究,探讨了未来的研究方向。     

基于贝叶斯网络的城市燃气管道安全失效概率

贝叶斯网络对不确定性问题具有强大的处理能力和自我学习更新能力,而贝叶斯网络软件的应用提高了基于贝叶斯网络风险预测的有效性。建立了基于贝叶斯网络的城市燃气管道失效概率分析模型,运用HUGIN和MSBNX软件工具,结合某市天然气管道案例,计算多态故障顶事件安全失效概率和各失效因素的结构重要度。运用BN的推理能力,对造成管道安全失效的自然破坏因素和腐蚀因素分别进行单因素和双因素修正。修正后的贝叶斯网络模型更加符合实际,对提高城市燃气管道安全失效定量分析的系统性、预见性和准确性具有更好的现实意义,也充分显示了贝叶斯网络在处理复杂系统风险分析中独特的优越性和适用性。     

Research of Gene Regulatory Network with Multi-Time Delay Based on Bayesian Network

The gene regulatory network was reconstructed according to time-series microarray data getting from hybridization at different time between gene chips to analyze coordination and restriction between genes. An algorithm for controlling the gene expression regulatory network of the whole cell was designed using Bayesian network which provides an effective aided analysis for gene regulatory network.     

贝叶网在农业专家系统中的研究与应用

针对基于贝叶斯网建立农业专家系统所涉及的关键问题,在模型构建方面,手工构建是必要的,其中采用＂分离技术＂、＂局部结构＂机制和转换现有的确定性因子知识库等技术简化贝叶斯网的构造,使得基于贝叶斯网的农业专家系统获得了较好的效果,利用切集条件化（cutset conditioning）算法实现精确推理。创建了基于贝叶斯网的涮辣专家系统,系统运行结果表明,采用贝叶斯网来表示与处理农业中的不确定性知识是比较有效的。     

基于主成分分析和贝叶斯正则化BP神经网络的GDP预测

选用财政收入、财政支出、消费品零售总额、实际利用外资、进出口总额以及全社会固定资产投资等对GDP有显著影响的6个因子，用1985~2008年中国的宏观经济数据建立了一个基于主成分分析和贝叶斯正则化BP神经网络的预测模型，并把它应用于我国GDP的预测。实证结果表明：通过主成分分析法和贝叶斯正则化方法对BP神经网络进行改进，可简化网络结构，增强泛化能力。与其它常用的预测方法相比，该方法数据输入简便，收敛速度快，拟合曲线光滑，且在预测精度上有明显的优势。     

基于贝叶斯网络的小麦条锈病预测研究

[目的]在地理信息系统GIS的平台上,将不确定性推理方法——贝叶斯网络引入病害预测,基于关键气象因子（温度、降水、湿度、日照）构建一个用于预测小麦条锈病发生概率的贝叶斯网络模型.[方法]采用预测日前7d的气象数据预测自预测日起7d内的条锈病发病概率,并对我国小麦条锈病重要流行区域——甘肃省东南部地区2010 ～ 2012年病害发生情况进行预测.[结果]模型在返青期至乳熟期输出的病害发生概率与实际调查结果吻合度分别为62.92％、63.18％、79.48％、94.75％,能够较客观地反映病害发生的时间规律和空间分布特点.[结论]该研究表明将贝叶斯网络和GIS分析结合在较大的空间范围内利用关键气象因子进行小麦条锈病短期预测是一种可行的途径.     

基于贝叶斯网络数据挖掘的蔬菜质量安全分析

蔬菜是人们日常生活的必须品,也是容易出现质量安全问题的产品。影响蔬菜质量安全的一个重要因素就是农药残留问题。以蔬菜农药残留检测数据为对象,利用贝叶斯网络进行数据挖掘,得到不同品种蔬菜的农药残留含量分布,以及同一品种在不同时间的分布趋势,经过可信度分析,该结论可信。该结果可为蔬菜的生产者、消费者以及监管人员提供一定的决策依据。     

一种新的SDN架构下端到端网络主动测量机制

SDN是近年来网络界的研究热点之一，自斯坦福大学首次提出SDN概念以来已引起国内外研究人员的极大关注和研究。SDN是一种新的网络体系结构，其核心原则是分离控制平面和数据平面。随着SDN网络的快速发展，对SDN网络进行有效的网络测量变得越来越重要。SDN网络的构架与传统的TCP / IP网络完全不同。这使得传统的端到端网络测量工具对于SDN网络都不再适用。为了在SDN构架下实现端到端的网络测量，本文提出一种新的SDN网络主动测量机制。这种机制以主动测量为目的，依据SDN网络的新型构架，对SDN协议和交换机进行了扩展完成相应测试功能。仿真结果表明，该机制可以获得准确的网络测量结果，并且具有良好的可扩展性。