我要投稿 查看投稿进度
学术期刊
在线客服
客服电话：400-188-5008
客服邮箱：service@ccnpub.com
投诉举报：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享

请选择 目标期刊

基于三角模糊云贝叶斯网络的盾构下穿段施工风险评估 下载：13 浏览：165

陈洪波1 王宁2 王建西2 《工程与技术研究》 2020年6期

摘要:
为进行不确定性数据下地铁下穿施工风险评估,构建了基于三角模糊云贝叶斯网络(BN)的风险分析模型。将三角模糊数与云理论相结合,提出了定性评判向定量概率分布转化的方法。引入层次分析法(AHP)和状态影响因子得到云数字特征,生成随机风险云与统计方法计算节点条件概率表CPT。以实际工程为依托,建立了风险评价指标体系和网络模型,分析了施工风险水平和因素敏感性。研究结果与实际相吻合,验证了模型的合理性和有效性。

基于贝叶斯网络的塔里木河流域丰枯遭遇分析 下载：68 浏览：381

陈长清1 查显能2 严冬2 《水资源研究进展》 2019年2期

摘要:
本文利用贝叶斯网络对塔里木河流域三源流和塔里木干流的年径流量进行分析研究,通过建立丰枯遭遇的风险管理模型,直观地描述了三源流与干流年径流量的丰枯组合关系,并利用贝叶斯网络的反向推理功能,以后验知识为输入,推求未来干流流量的丰枯遭遇受三源流流量的影响。结果表明:当三源流均为枯水时,干流的枯水概率上升为50%;仿真分析可为塔里木河干流丰枯遭遇预测及采取适当的调水措施提供理论依据。

基于深度学习的改进贝叶斯网络入侵检测算法 下载：56 浏览：457

孙惠丽1 陈维华2 刘东朝2 ​ 《软件工程研究》 2019年9期

摘要:
针对传统的朴素贝叶斯网络入侵检测技术存在训练数据集中属性冗余的问题,以及没有考虑到网络环境的变化导致贝叶斯网络结构改变的问题,提出一种结合深度学习和滑动窗口改进贝叶斯网络入侵检测方法。利用深度学习提取特征属性,降低数据集维数;采用滑动窗口技术实时更新贝叶斯网络参数,并利用特征属性的互信息计算各属性之间的相对欧氏距离,根据相对欧氏距离的大小及时更新贝叶斯网络,以提高检测率。实验结果表明,改进后的贝叶斯网络能够提高运算效率和检测率。

基于贝叶斯网络的MEC随机任务迁移算法 下载：37 浏览：366

薛宁1 霍如1 刘江2 《信息通信与技术》 2018年11期

摘要:
文章提出一种基于贝叶斯网络的MEC随机任务迁移算法，通过将应用转换为包含多个子任务的有向图，利用子任务间的关联关系及贝叶斯网的联合概率来生成一组最小化移动设备能耗的策略。仿真结果表明，该算法相比移动设备本地执行算法在处理计算任务时节省能耗达28.7%。

经济虚拟化背景下经济增长与通货膨胀的互动机制研究 下载：68 浏览：479

鲁晓琳1,2,3 郭琨1,2 董志2 《当代管理》 2018年2期

摘要:
在虚拟经济快速发展的背景下,经济虚拟化程度已成为经济增长与通货膨胀二者关系不容忽视的影响因素。本文以美国从工业化时期发展演变到经济虚拟化时期的过程为研究对象,通过滚动时窗的贝叶斯网络学习,研究了经济虚拟化背景下经济增长与通货膨胀二者之间的动态互动机制,发现虚拟经济与实体经济之间的互动关系变得越来越紧密,以债券市场、股票市场、房地产市场的顺序,虚拟经济相关指标逐步进入经济增长与通货膨胀的传导机制。

基于贝叶斯网络构建慢性阻塞性肺疾病急性加重期痰热壅肺证症状与证候间关联模式 下载：75 浏览：501

王至婉1，2，3 李建生2，3，4 陈楚湘5 章亮5 王翔6 李海霞2，4 《当代中医药》 2018年11期

摘要:
目的基于贝叶斯网络探讨慢性阻塞性肺疾病急性加重期症状对证候的贡献度,构建症状与痰热壅肺证的关联模式。方法采用全国九家省级中医院为期2年所调查的1768例患者数据建立痰热壅肺证数据库。数据预处理后导入贝叶斯网络。以痰热壅肺证为目标变量,以决策树运行结果筛选出的变量为输入变量,运用IBM SPSS Modeler 14.2软件实现贝叶斯网络算法,选用评估及分析对TAN及马尔科夫毯两种模型所获得的结果进行比较分析。结果痰热壅肺证因果关系如下:1)痰色黄、痰白黏、脉滑数、脉数、大便秘结、口渴喜冷饮;2)痰色黄、痰白黏、脉滑数、舌苔黄腻;3)痰色黄、痰白黏、脉滑数、舌苔黄、舌苔黄腻;4)痰色黄、痰白黏、脉滑数、舌质红。上述4条中,共有的症状为痰色黄、痰白黏、脉滑数,其中,痰色黄对痰热壅肺证的贡献度最大,为0.72;其次痰白黏,为0.61。马尔科夫毯模型显示,口渴喜冷饮、大便秘结、舌苔黄腻对痰热壅肺证的贡献度均>0.7。结论痰热壅肺证与症状间有4条因果关系,痰色黄、口渴喜冷饮、大便秘结、舌苔黄腻对痰热壅肺证的贡献度较大。
[1/1]
|<
<
1
>
>|
在线客服：：点击联系客服
联系电话：：400-188-5008
客服邮箱：：service@ccnpub.com
投诉举报：：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享