“图贝叶斯”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果4053638个，建议您升级VIP下载更多相关专利

[发明专利]一种将贝叶斯网络等价转换为因子图的方法及系统-CN201611179090.0在审
发明人：许卓明;毛承旺;王秀丽 -专利权人：河海大学
申请日： 2016-12-19 - 公布日： 2017-05-17 - 主分类号： G06N7/00 文献下载
摘要：提供一种将贝叶斯网络等价转换为因子图的方法及系统，该方法包括下列步骤：输入待转换为因子图的贝叶斯网络；依次按转换规则1、2和3将贝叶斯网络等价转换为因子图；输出转换成的因子图。其中，转换规则1为：创建因子图的所有变量节点，它们分别对应于贝叶斯网络的所有随机变量节点；转换规则2为：创建因子图的所有因子节点即局部函数，它们分别对应于贝叶斯网络中表示的所有局部条件分布；转换规则3为本发明克服目前缺乏贝叶斯网络向因子图等价转换的完整可实施技术方案的缺陷，方法简单易行、系统易于实现，具有广阔的应用前景。
一种将贝叶斯网络等价转换因子方法系统

[发明专利]基于贝叶斯因果图法的设备故障分析贝叶斯网络构建方法-CN202110989679.1在审
发明人：江平宇;杨茂林;郭威;李青宗;任焕荣;陈淮淳 -专利权人：西安交通大学
申请日： 2021-08-26 - 公布日： 2021-12-10 - 主分类号： G06F30/27 文献下载
摘要：基于贝叶斯因果图法的设备故障分析贝叶斯网络构建方法，包括1)将企业已有的设备故障树模型转换为满足条件独立性假设的设备故障分析贝叶斯网络结构模型；2)采用结构化调研法获取设备专家对设备故障原因之间的因果关系知识与经验，据此获取设备故障分析贝叶斯网络结构中各故障变量之间的拓展的因果值；3)根据前述所得拓展的因果值，估算贝叶斯网络结构中子变量条件概率表中的概率参数，完成设备故障分析贝叶斯网络概率参数建模；通过本发明，将企业已有的设备故障树模型拓展为故障分析能力更加全面和系统的设备故障分析贝叶斯网络模型，从而为基于贝叶斯网络的设备故障诊断技术的推广应用提供具体可操作的技术支持。
基于贝叶斯因果设备故障分析网络构建方法

[发明专利]一种基于贝叶斯网络的高铁牵引系统故障预测方法-CN201811330679.5有效
发明人：张传宇;朱凯强;陆宁云;姜斌 -专利权人：南京航空航天大学
申请日： 2018-11-09 - 公布日： 2023-05-26 - 主分类号： G06F30/20 文献下载
摘要：本发明公开了一种基于贝叶斯网络的高铁牵引系统故障预测方法，步骤为：1、搭建闭环键合图模型：在原有键合图模型中添加直接转矩控制模块；2、搭建贝叶斯网络：先确定贝叶斯网络结构的节点，根据闭环键合图模型提供的节点之间的因果关系确定贝叶斯网络的结构，最后打开贝叶斯网络中的闭合环路；3、数据预处理：先对原始信号进行滤波去噪，再进行特征提取，然后进行单调性筛选并进行深层特征提取，最后对特征进行k‑means聚类；4、故障预测：用EM算法进行有监督学习，再用上述数据预处理方法得到在线测量值的状态，利用贝叶斯网络进行分类，得到设备剩余寿命范围。
一种基于贝叶斯网络牵引系统故障预测方法

[发明专利]基于贝叶斯决策定理的3D-HEVC快速深度编码方法-CN201911150040.3有效
发明人：张秋闻;赵进超;王祎菡;王兆博;赵永博;崔腾耀;王晓;蒋斌;黄立勋;张伟伟;吴庆岗;常化文;孙丽君;钱晓亮 -专利权人：郑州轻工业大学
申请日： 2019-11-21 - 公布日： 2021-01-26 - 主分类号： H04N13/161 文献下载
摘要：本发明提出了一种基于贝叶斯决策定理的3D‑HEVC快速深度编码方法，其步骤为：首先确定深度图树块，分析不同量化参数之间的帧间模式分布；一方面，采用贝叶斯规则计算深度图树块的后验概率，并判断深度图树块的交互模式是否最佳确定深度图树块的最佳编码模式为SKIP/Merge模式；另一方面，根据贝叶斯规则计算深度图树块的贝叶斯成本，根据贝叶斯成本是否小于公差参数，早期确定终止深度图树块的CU修剪，确定最佳编码模式，或者利用3D‑HEVC编码器分割深度图树块的CU，测试深度图树块的其他编码模式，找到最佳编码模式。本发明通过引入贝叶斯规则避免了测试深度图编码的其它帧间模式，既保证相似虚拟视点质量，又明显降低3D‑HEVC深度编码复杂度。
基于贝叶斯决策定理 hevc 快速深度编码方法

[发明专利]基于模糊动态贝叶斯网络的桥梁挂篮安全风险评估方法-CN202310793767.3在审
发明人：刘贵香;熊雨轩;岳清明;刘金瑞;汪盛宇;胡安红;张德凌;卢晓刚;杨世宇;程亮;杨翔;刘龑;王明灿;钱走笔;贺文宇 -专利权人：中铁北京工程局集团城市轨道交通工程有限公司;合肥工业大学
申请日： 2023-06-30 - 公布日： 2023-09-12 - 主分类号： G06F18/2415 文献下载
摘要：本发明公开了一种基于模糊动态贝叶斯网络的桥梁挂篮安全风险评估方法，包括：1.构建分层静态贝叶斯网络的拓扑结构；2.根据相邻层间的节点因果关系，构建连接分层静态贝叶斯网络拓扑结构的有向无环连接关系图；3.以挂篮坍塌事故为目标节点构建动态贝叶斯网络；4.基于模糊集理论和评价数据，计算动态贝叶斯网络的模型参数；5.利用计算得到的动态贝叶斯网络的模型参数，对发生挂篮坍塌事故的可能性进行预测。本发明能克服传统贝叶斯网络无法反映风险因素，从而能解决目前难以对现有桥梁挂篮施工风险进行全面、准确、动态评估的问题。
基于模糊动态贝叶斯网络桥梁挂篮安全风险评估方法

[发明专利]一种基于演化计算的贝叶斯网络结构优化方法及装置-CN202111062298.5在审
发明人：周鋆;孙宝丹;李昡熠;王建江;张维明 -专利权人：中国人民解放军国防科技大学
申请日： 2021-09-10 - 公布日： 2021-11-30 - 主分类号： G06F30/25 文献下载
摘要：本申请涉及一种基于演化计算的贝叶斯网络结构优化方法、装置、计算机设备和存储介质。所述方法包括：根据GS算法对贝叶斯网络结构进行约束学习，得到的有向无环图作为贝叶斯网络结构学习的结构先验信息，得到贝叶斯网络结构学习问题的初始解；根据BNC‑PSO算法中的遗传算法的变异算子和交叉算子对初始解进行变异和交叉操作，得到贝叶斯网络结构学习问题的候选解；根据BNC‑PSO算法中的粒子群算法对贝叶斯网络结构学习问题的候选解进行搜索操作，得到第一全局最优解，根据第一全局最优解得到第二全局最优解，根据第二全局最优解进行贝叶斯网络结构优化采用本方法能够提高贝叶斯网络结构学习准确度。
一种基于演化计算贝叶斯网络结构优化方法装置

[发明专利]一种基于改进贡献图的分布式系统故障定位方法-CN202111040230.7在审
发明人：牟天昊;徐小龙;李少远;邬晶;周松 -专利权人：天翼电子商务有限公司
申请日： 2021-09-06 - 公布日： 2023-03-10 - 主分类号： G06F11/30 文献下载
摘要：本发明公开了一种基于改进贡献图的分布式系统故障定位方法，包括以下三个步骤：构造贝叶斯贡献图，求得各子系统对全局故障的影响程度；构造/相对贡献图，求得各本地节点对子系统的影响程度；构造改进贡献度，将贝叶斯贡献图和/相对贡献图结合，求得各节点对全局系统的影响程度，将各节点对全局系统的影响程度与阈值比较，得到造成全局故障的可疑节点。本发明针对分布式监控系统中的贝叶斯融合步骤，将贝叶斯融合与贡献图方法结合，提出了贝叶斯贡献图，为子系统对全局故障的影响程度提供了合理的定量度量；考虑了不同子系统对全局系统的不同影响程度，为节点了一种合理的故障定位指标
一种基于改进贡献分布式系统故障定位方法

[发明专利]贝叶斯网络的结构学习方法、装置及电子设备-CN202110246431.6在审
发明人：丁茹;顾松庠 -专利权人：京东科技控股股份有限公司
申请日： 2021-03-05 - 公布日： 2022-09-06 - 主分类号： G06N7/00 文献下载
摘要：本申请提出一种贝叶斯网络的结构学习方法、装置以及电子设备，涉及计算机技术领域，方法包括：获取待进行结构学习的贝叶斯网络的节点集合；对所述节点集合进行拆分，以得到所述贝叶斯网络中待进行结构学习的多个子贝叶斯网络的子节点集合；针对每个子贝叶斯网络，根据所述子贝叶斯网络的子节点集合，确定所述子贝叶斯网络的结构；对多个所述子贝叶斯网络的结构进行融合处理，以得到所述贝叶斯网络的结构。减少了贝叶斯网络的结构学习的计算量，进而缩短了利用贝叶斯网络进行故障诊断、图像识别、数据挖掘等的耗时，提高了利用贝叶斯网络进行故障诊断、图像识别、数据挖掘等的效率。
贝叶斯网络结构学习方法装置电子设备

[发明专利]一种基于贝叶斯网络模型的代码生成方法、系统及介质-CN202210692933.6在审
发明人：李婕;黄丽桃;王彦芳;张小龙;王辉 -专利权人：北京轩宇信息技术有限公司
申请日： 2022-11-30 - 公布日： 2023-04-11 - 主分类号： G06F8/30 文献下载
摘要：一种基于贝叶斯网络模型的代码生成方法，涉及贝叶斯网络的推理方法和实现，以及自动代码生成技术。本发明方法包括：由待处理概率图模型信息生成对应的贝叶斯网络模型；根据贝叶斯网络模型生成动态C代码文件，结合预设的固定C代码文件，并根据预设的指派节点事件取第几个值的编号信息，实现根据底事件发生的概率求顶事件发生的概率本发明使用C代码实现了贝叶斯推理网络，根据输入的贝叶斯网络模型动态生成C代码，配合固定的C代码，可以实现根据底事件发生的概率求顶事件发生的概率，完成了贝叶斯推理网络的嵌入式实现，给出了嵌入式平台移植的解决方案
一种基于贝叶斯网络模型代码生成方法系统介质

[发明专利]一种基于概率矩阵分解的贝叶斯网络推理方法-CN201810437038.3在审
发明人：董建武;孙波;房婧;杜雄杰;刘成;方喆君;余肇飞;刘健;司成祥;王亿芳;侯美佳 -专利权人：国家计算机网络与信息安全管理中心;北京大学
申请日： 2018-05-09 - 公布日： 2018-10-12 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于概率矩阵分解的贝叶斯网络推理方法，包括概率矩阵分解、概率矩阵分解算法和基于概率矩阵分解的贝叶斯网络推理方法三个步骤，该方法可以用于分析变量间的独立性和确定性关系，本文证明了贝叶斯网络的联合概率分布可以等价表示为一系列子图联合概率分布的线性组合，在此基础上，提出了一个新的推理框架，在这个新的框架下，任意贝叶斯网络可以分解为若干带权重的贝叶斯子网络，如果原图被分解为树状子图，可以得到精确的推理结果；如果原图被分解为若干仍然带环的子图，近似推理的准确性高于主流的信度传播算法
贝叶斯网络概率矩阵分解推理联合概率分布等价表示分解算法近似推理三个步骤推理结果推理框架线性组合贝叶斯子网络带环权重算法信度独立性确定性主流传播分析

[发明专利]一种基于贝叶斯网络的网站缺陷预测方法及其实现系统-CN201710417699.5有效
发明人：朱朝阳;石竹;韩丽芳;陈相舟;周亮;应欢;刘欣 -专利权人：中国电力科学研究院;国家电网公司;中国科学技术大学;国网河北省电力公司
申请日： 2017-06-06 - 公布日： 2020-12-08 - 主分类号： G06F11/36 文献下载
摘要：本发明公开了一种基于贝叶斯网络的网站缺陷预测方法及其实现系统，所述方法建立HTML贝叶斯网络结构以及代码贝叶斯网络结构，并对所述HTML贝叶斯网络结构以及代码贝叶斯网络结构输入历史度量元状态值进行最大似然性估算学习，构成贝叶斯网络模型；将待测网页的度量元状态值代入贝叶斯网络模型，得到预测的缺陷情况；所述实现系统包含度量元采集模块、度量元处理模块、HTML贝叶斯网络模块以及代码贝叶斯网络模块，所述度量元采集模块对HTML及代码的各度量元进行采集，并由度量元处理模块转换成度量元状态值，输入到HTML贝叶斯网络模块以及代码贝叶斯网络模块中进行缺陷预测。
一种基于贝叶斯网络网站缺陷预测方法及其实现系统

[发明专利]一种基于贝叶斯神经网络的车辆OD预测方法-CN202310076207.6在审
发明人：董宇涵;曹一博;刘璐;李志德;李峰;张凯;李志恒 -专利权人：清华大学深圳国际研究生院;深圳市众行网科技有限公司
申请日： 2023-02-07 - 公布日： 2023-06-13 - 主分类号： G06Q10/04 文献下载
摘要：一种基于贝叶斯神经网络的车辆OD预测方法，包括如下步骤：对时间进行编码，构建不同时刻的时间编码表征不同的时间段信息；以时空多图卷积网络ST‑MGCN作为模型基础，将其中图结构从静态的邻接矩阵改为贝叶斯图嵌入，将时间编码作为输入送入线性映射的贝叶斯神经网络，将图嵌入输出为一个概率分布，通过每次从概率分布中采样得到对应的图嵌入，由此构建时空贝叶斯图卷积网络ST‑BGCN；通过时空贝叶斯图卷积网络ST‑BGCN
一种基于贝叶斯神经网络车辆 od 预测方法

[发明专利]使用表格来学习树-CN200510060162.5无效
发明人： D·M·奇克林 -专利权人：微软公司
申请日： 2005-03-25 - 公布日： 2005-09-28 - 主分类号： G06F17/30 文献下载
摘要：揭示了便于通过采用一种学习具有完整表格的贝叶斯网络的学习算法来学习具有决策树的贝叶斯网络的系统和方法。该学习算法可包括一搜索算法，它可反转具有完整表格的贝叶斯网络中的边，以细化与其相关联的有向非循环图。细化的完整表格DAG然后可用于导出用于在决策树贝叶斯网络中生长决策树的学习算法的一组约束。
使用表格学习

[发明专利]一种基于演化计算的贝叶斯网络结构优化方法及装置-CN202211079519.4在审
发明人：周鋆;孙宝丹;李昡熠;王建江;张维明 -专利权人：中国人民解放军国防科技大学
申请日： 2022-09-05 - 公布日： 2022-12-06 - 主分类号： G06F30/25 文献下载
摘要：本申请涉及一种基于演化计算的贝叶斯网络结构优化方法及装置。所述方法包括：根据GS算法对贝叶斯网络结构进行约束学习，得到的有向无环图作为贝叶斯网络结构学习的结构先验信息，得到贝叶斯网络结构学习问题的初始解；根据BNC‑PSO算法中的遗传算法的变异算子和交叉算子对初始解进行变异和交叉操作，得到贝叶斯网络结构学习问题的候选解；根据BNC‑PSO算法中的粒子群算法对贝叶斯网络结构学习问题的候选解进行搜索操作，得到第一全局最优解，根据第一全局最优解得到第二全局最优解，第二全局最优解表示病症和患者信息关联性最高的贝叶斯网络结构
一种基于演化计算贝叶斯网络结构优化方法装置

[发明专利]一种基于贝叶斯网络的因果关系判定方法-CN201910034540.4有效
发明人：安宁;金柳颀;殷越;蒋雪瑶;杨矫云;刘硕;米肯·拉维夫 -专利权人：合肥工业大学
申请日： 2019-01-15 - 公布日： 2021-11-23 - 主分类号： G06N7/00 文献下载
摘要：本发明涉及一种基于贝叶斯网络的因果关系判定方法，包括构建模块构建贝叶斯网络；判定模块生成并输出基于请求贝叶斯网络的因果关系谱；因果库建立历史原始文献库；在至少两个对象发生至少一个非特定事件的情况下，构建模块分析引起非特定事件的对象的自身因素以构建因素集并基于因素集构建无向图结构约束；并且构建模块能够基于因果库对无向图结构约束进行修正以建立贝叶斯网络；判定模块基于贝叶斯网络计算自身因素引起非特定事件的因果指标并基于因果指标输出非特定事件的因果关系谱，从而确定非特定事件的关键原因。
一种基于贝叶斯网络因果关系判定方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条