场地土性分布参数的贝叶斯方法的估计

结合工程实例，说明贝叶斯方法在估计岩土工程场地的土性分布参数中的具体应用，以及在岩土工程可靠性分析中的应用。     

运用布尔网络模型和贝叶斯网络模型推测基因调控网络的比较研究

基因调控网络的研究从基因之间相互作用的角度揭示复杂的生命现象,是功能基因组学研究的重要内容,也是当前生物信息学研究的前沿。布尔网络模型和贝叶斯网络模型都是研究基因调控网络的有力工具。本文分别采用布尔网络模型和贝叶斯网络模式推测基因调控网络,实验结果显示布尔网络推测出了7条正确的调控关系,而贝叶斯网络仅推测出5条正确的调控关系,在本实验中推测基因之间的调控关系正确数布尔网络模型优于贝叶斯网络模型。     

基于贝叶斯网络的我国商业银行声誉风险度量研究

根据我国商业银行声誉风险分布情况,构建商业银行声誉风险评价体系。运用贝叶斯网络模型,考量国有商业银行2007~2012年间的485组声誉损失数据,得出声誉风险的超极限矩阵。实证表明,企业感召力缺乏、产品和服务缺陷、银行风险控制不足等成为中国商业银行声誉风险的主要因素,银行应有针对性地对其进行有效规避和分散。     

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.     

基于贝叶斯网络的课堂教学质量评价研究

根据高校课堂教学质量评价的不确定性,提出了基于贝叶斯网络的评价方法并构建评价模型。首先确定影响教学质量评价体系的因素,然后构建贝叶斯网络的有向无环图,最后对各指标的影响进行分析。研究表明,利用该方法确定评价指标中的权重,可以使定性分析和定量分析结合在一起,尽可能地避免主观因素的影响,从而提高了高校课堂教学质量评价的客观性、准确性和公平性。     

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.     

一种增量式贝叶斯分类的算法

自动分类是数据挖掘和机器学习中非常重要的研究领域。针对难以获得大量有类标签的训练集问题,提出了基于小规模训练集的增量式贝叶斯Bayes分类,给出增量式Bayes分类机理参数计算及其算法。对算法分两种情况处理,第一种情况是新增样本有类别标签,利用现有分类器检验其类标签,如果匹配则保留当前分类器,否则利用新样本修正分类器;第二种情况是新增样本无类别标签,则利用现有分类器为其训练类标签,然后利用新样本来修正分类器。试验结果表明,该算法是可行有效的,比Naive Bayes分类算法有更高的精度。增量式Bayes分类算法的提出为分类器的更新提供了一条新途径。     

畜禽基因组选择中贝叶斯方法及其参数优化策略

品种选育在畜禽育种中占十分重要的地位,基因组选择作为畜禽育种的新兴技术手段而备受关注。其优点为可以缩短世代间隔,加快遗传进展,可以不依赖于表型进行选择。2001年,Meuwisen提出基因组选择的概念后,基因组选择首先应用于奶牛育种,至2014年8月,国际公牛组织已有34个成员国在其国家奶牛育种群中应用基因组选择。随着基因组选择的不断推广应用,提高基因组育种值估计准确性的问题有待于解决,当前对基因组选择方法的研究和探讨正在不断深入,有效的模型及算法对提高基因组育种值估计的准确性具有重大现实意义。至今已有17种贝叶斯方法相继被提出,本文简要介绍了基因组选择中的经典BayesA和BayesB方法,其中BayesA假设所有位点都有效应,BayesB假设部分位点有效应,且这部分有效应的位点所占的比例很小,它们的假设模型和算法都不相同。Meuviwisen提出经典贝叶斯方法后,其它贝叶斯方法犹如雨后春笋般涌出,这些新方法的提出,都是基于经典贝叶斯方法原理,对假设模型和算法进行适当改进,以期对模型中的参数进行优化。如BayesC方法在BayesB的基础上对模型中的π值进行优化,BayesCπ和 BayesDπ是在BayesC的基础上进行改进,这两种方法假设各位点的效应方差是相同的,而BayesC假设各位点的效应方差是不同的,BayesDπ又是在BayesCπ基础上对效应方差服从尺度逆卡方分布中的尺度参数进行优化。Bayes Lasso的思想和BayesA一样,不同之处在于它假设标记效应服从另一种分布-拉普拉斯分布,所以标记效应的后验分布也随之改变。BayesRS方法假设各位点的效应方差是按占一定比例的总遗传方差分配的。其它的贝叶斯方法也都是在前人研究的基础之上对模型中的先验假设进行变换和模型中的参数进行优化,以期寻找最适合群体的假设模型和参数。目前广泛应用的贝叶斯算法仍是经典贝叶斯算法以及BayesCπ,这是由于它们计算结果的稳定性和较高的基因组育种值估计准确性。在这3种贝叶斯算法中,基因组育种值估计准确性基本上是BayesB＞BayesCπ＞BayesA,但某些性状计算的基因组育种值准确性结果并非如此。相对于经典贝叶斯方法,参数优化过程在一定程度上提高了基组育种值估计的准确性。总之,在经典贝叶斯方法的基础上,贝叶斯方法的改进算法及其参数优化策略围绕着以提高基因组育种值估计的准确性为目的,通过生物遗传算法与实际的群体情况相结合,寻找最适的假设模型和参数优化策略,丰富和拓展了基因组选择算法,并能使得基因组育种值更具参考价值。由于中国的动物育种历程与国外育种差距甚远,利用基因组选择可以加快畜禽育种进程,进而还可以培养新品系,丰富遗传资源。同时对基因组选择在中国的方法研究及应用进行了介绍,面对基因组选择的种种优点,全基因组选择育种技术势在必行。此外,文章还探讨了畜禽基因组选择中贝叶斯方法及其参数优化策略存在的主要问题和今后研究的热点,以期为获得更加可靠和快捷的基因组选择算法提供参考。     

基于随机参数的贝叶斯过程能力指数评价模型

针对参数随机化情况下生产过程能力的评价问题，提出了一类新的过程能力指数．通过建立多元质量特性的数学模型，研究了正态-Wishan共轭先验分布下该模型的贝叶斯统计推断问题；根据模型协方差阵的后验分布、Wishart分布变量与多个分布变量之积具有相同的概率分布这一关系、以及正定阵之间变换的Jacobian行列式，推导了多元质量特性过程能力指数的后验概率分布，并据此构造了参数共轭先验分布下的多元贝叶斯过程能力指数及其单侧置信下限．与传统的过程能力指数相比较，贝叶斯过程能力指数更能准确地评价非稳定环境下的生产过程能力水平．     

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。     

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.     

自组织神经网络在文本分类中的应用研究

针对信息挖掘中的文本自动分类问题,提出了一种基于自组织特征映射网络的分类方法。网络由输入层和竞争层组成。输入层节点与竞争层节点实行全互连接。输入层完成分类样本的输入,竞争层提取输入样本所隐含的模式特征,并对其进行自组织,在竞争层将分类结果表现出来。分无监督和有监督两个阶段完成对网络的分类训练。该方法在特征提取时充分考虑了特征项在文档中的位置信息,构造出模糊特征向量,使自动分类原则更接近手工分类方法。以中国期刊网全文数据库部分文档数据为例验证了该方法的有效性。     

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。     

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。     

基于贝叶斯正则化BP网络的粮虫分类识别研究

以粮虫为对象,研究了利用数字图像处理技术与BP神经网络技术实现分类识别的方法。首先对4类常见粮虫进行图像采集、预处理及特征提取,然后将提取到的9个形态学特征参数作为神经网络的输入参数,对应的粮虫类别代号作为输出参数,建立BP神经网络,并在网络学习过程中采用贝叶斯正则化优化算法对其进行改进。最后通过仿真试验表明:该方法在粮虫识别算法中收敛速度快,预测精度高,稳定性好,泛化能力优,从而证实了该方法在实际应用中的可行性。     

贝叶斯网络在中医药理论研究的现状及与超分子化学联合应用前景

由超分子化学重构的中医药基本理论可通过一系列方法和手段进行研究,但需借助优质的数学方法与技术从大量研究数据中挖掘其潜在的关联性、规律性等信息,进一步直观、清晰地阐明中医药超分子化学理论。诸多数据挖掘技术中,贝叶斯网络最为符合推理过程,是当前在不确定知识表达和推理领域中最有效的理论模型之一,尤其适合于中医药超分子复杂体系的研究。本文阐述了贝叶斯网络的发展历程及基本理论,对其在中医药研究中的现状作综述,探讨贝叶斯网络与中医药超分子化学相辅相成的关系,二者有机结合、联合应用可为中医药理论体系研究提供定性、定量的表征方法和手段,为中医药现代化提供强大臂助。