图模型与学习算法结合的贝叶斯网络自动建模

图模型与学习算法结合的贝叶斯网络自动建模

ID:46634824

大小:4.14 MB

页数:8页

时间:2019-11-26

图模型与学习算法结合的贝叶斯网络自动建模_第1页
图模型与学习算法结合的贝叶斯网络自动建模_第2页
图模型与学习算法结合的贝叶斯网络自动建模_第3页
图模型与学习算法结合的贝叶斯网络自动建模_第4页
图模型与学习算法结合的贝叶斯网络自动建模_第5页
资源描述:

《图模型与学习算法结合的贝叶斯网络自动建模》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、2016年7月北京航空航天大学学报July2016第42卷第7期JournalofBeijingUniversityofAeronauticsandAstronauticsV01.42No.7http:ffbhxb.buaa.edu.cnjbuaa@buaa.edu.caDOI:10.13700/j.bh.1001-5965.2015.0445图模型与学习算法结合的贝叶斯网络自动建模沈琳1,于劲松1’2一,唐荻音1,刘浩1’3(1.北京航空航天大学自动化科学与电气工程学院,北京100083;2.北京航空航天大学先进

2、航空发动机协同创新中心,北京100083;3.解放军95809部队,93分队,沧州061736)摘要: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

3、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。关键词:贝叶斯网络;结构学习;多信号流图;K2算法;故障诊断中图分类号:TP277文献标识码:A文章编号:1001-5965(2016)07—1486-08贝叶斯网络是基于概率分析、图论的一种表达和推理不确定性知识的模型⋯,因其在概率推理和故障诊断方面具有的显著优势,被广泛应用于机械、医疗等各个行业。贝叶斯网络的建立通常需要经过结构学习和参数学习2个步骤,其中结构学习难度较大,成为了制约贝叶斯网络建立的关键问题¨。。贝叶斯网络结构学习的主要

4、方法有基于数据驱动的方法和基于专家知识的方法2大类。数据驱动方法学习效率低,建模过程受到数据样本和算法自身缺陷的制约,难以保证精度"o;基于专家知识的方法完全依赖于咨询专家后的手工构建,对大型复杂系统建模困难,且不利于方法的集成化与自动化。但是专家知识含有的先验信息可以提高建模的效率和准确性。因此,开展数据驱动与专家知识结合的贝叶斯网络结构学习,具有理论研究和实际工程应用价值H引。多信号流图是一种基于专家知识构建的图模型,其描述信号之间传递关系的能力能够为贝叶斯网络结构的学习提供重要参考。文献[6]提出了一种将多信

5、号流图翻译为诊断贝叶斯网络的手动建模方法,该方法虽然能够充分运用多信号流图中的专家知识,但因其没有引入学习算法,导致建模开发需要大量经验,当面对多层次复杂系统时,手动翻译工作量大、效率低,且无法判断模型是否最优。文献[7]利用多信号流图的故障一测试相关性矩阵(D.矩阵)实现了自动化结构学习,但是该方法并没有考虑故障节点之间的影响关系,因此生成的朴素贝叶斯模型并未充分利用多信号流图蕴含的结构因果关系信息。本文在上述研究的基础上,充分利用多信号流图的先验知识,同时结合基于数据驱动的K2学习算法,实现了诊断贝叶斯网络结构

6、的自动建模。通过对比实验证明了该建模方法的性能和优势,并通过在某观瞄系统中的应用证明了该算法的工程应用价值。收稿日期:2015-07-02;录用日期:2015-09-30;网络出版时间:2015—10-3017:00网络出版地址:WWW.cnki.net/kems/detail/11.2625.V.20151030.1700.010.html{通讯作者:Tel.:010—82338693E·mail:yujs@buaa.edu.cn引甩格式:沈琳.f劲松.唐荻音.等.图模型与学习算法结合的员叶斯网络自动建模e

7、3.

8、北京航空航天大学学报.2016.42(7):1486—1493.SHENL,YUJS,TANGDY,eta1.AutomaticlearningofBayesiannetworkstructureusinggraphmodelandlearningalgorithm[JJ.JournalofBeijingUniversityofAeronauticsandAstronautics,2016,42f7):1486—1493(inChinese).第7期沈琳,等:图模型与学习算法结合的贝叶斯网络自动建模1多信号流图模型

9、1.1多信号流图概述多信号流图模型采用有向图描述故障传播依赖关系,可用于实现复杂系统诊断建模、算法设计等功能,目前已广泛使用于航空航天、工业控制和医疗设备等高新技术系统的可测性设计、维护管理等领域。多信号流图的主要元件包括模块、子系统、测试、开关、与节点和连接线"1。其中,模块元件与故障模式对应;子系统模块则用于实现系统的多层次建模;开关元件可用于表示系统的

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。