导读:本文包含了概率网论文开题报告文献综述及选题提纲参考文献，主要关键词:飞机电源系统,汇流条,概率网,可靠度
概率网论文文献综述
苗志鸿[1]（2019）在《基于等拓扑网—概率网的飞机电源系统可靠性分析研究》一文中研究指出飞机电源系统是保证飞机飞离地面及完成各类飞行任务的重要组成系统之一,电源系统的性能是障机载用电设备功能正常与否的决定性因素,其可靠性是飞行安全运行的重要保证。汇流条是电源系统发电环节和配电环节的重要连接部分,飞机机载耗电设备主要通过汇流条直接用电,电源系统有多个汇流条,每个汇流条连接一个或多个用电设备,因此电源系统终端汇流条正常提供电能的可靠性决定了飞机电源系统的供电可靠性。通过合适的复杂系统可靠性建模与分析方法对电源系统终端汇流条供电可靠性进行分析,对确定飞机电源系统供电可靠性乃至飞机的运行可靠性具有重要的意义。在深入研究分析飞机电源系统的功能结构和供电原理的基础上,针对飞机电源系统终端汇流条的供电可靠度进行分析,提出了通过建立飞机电源系统的等拓扑网络-概率网进行汇流条供电可靠度分析的方法。首先,依据电源系统的工作原理,确定其系统功能结构图,划分系统功能结构图中元件的输入流与输出流映射关系;然后,依据系统中元件的映射关系,建立元件对应的同名节点以及同名辅助节点,进而建立定性描述系统功能结构图的等拓扑结构网络;最后,通过描述等拓扑网络节点故障传递过程,结合节点功能状态的二态、叁态建模方法,定量描述各节点与父节点故障传递关系,建立节点的条件概率表,形成可计算汇流条供电可靠度的概率网络模型。针对所提出的飞机电源系统等拓扑网和概率网建立的方法,为提高建模效率,设计了过程实现的算法,以实现“系统功能结构图—等拓扑网络”自动建立。首先,根据元件的输入流、输出流等属性建立元件输入-输出关系描述表,并根据节点建模方法建立等拓扑网络节点;然后根据各个节点与其父节点之间的相关关系生成连接关系矩阵,实现系统功能结构图向等功能拓扑网络的自动转换;最后,将构建的等功能拓扑网络节点分为根节点、无同名父节点的中间节点和有同名父节点的中间节点叁类节点,生成叁类节点的条件概率表,进而获得整个电源系统的概率网。为了验证所提出的飞机电源系统可靠性建模与分析方法与实施算法的有效性,以某大型飞机电源系统为例,利用所提方法分别建立了该型飞机电源系统的等拓扑网和概率网,实现了飞机电源系统中汇流条供电可靠度的计算;通过编写最小路径集算法,进行汇流条可靠度计算,计算结果验证了本文所提的可靠性建模与分析方法的正确性,表明所建立的可靠性分析模型能够快速准确的计算飞机电源系统所有汇流条的供电可靠性。(本文来源于《西安理工大学》期刊2019-06-30）
吕亚丽[2]（2012）在《定性概率网整合》一文中研究指出概率网是人工智能学科表示并处理概率知识的一类图模型方法.多源概率网整合是全面进行概率知识表示和推理研究中的重要问题.已有工作大多限于贝叶斯网、影响图和可能性网等定量概率网的整合,较少考虑到概率知识只能定性表示或只需定性表示时的定性概率网(Qualitative Probabilistic Networks, QPNs)整合.基于上述问题,本文结合不完整数据,研究QPNs符号整合方法和叁种情况下的QPNs结构整合方法.具体内容包括：1.提出基于定性互信息的歧义性约简方法.严格定义定性互信息,在此基础上提出可区分影响强度的增强QPN,并证明其性质,给出多项式时间的歧义性约简方法.2.设计并实现基于定性互信息的QPNSI符号整合算法.将歧义性约简方法扩展到多个结构相同的QPNs符号整合中,提出QPNSI整合算法,分析了算法的时间复杂性.3.设计并实现具有相同节点的SNQPNI结构整合算法.基于粗糙集理论,采用概率正域求解属性依赖度作为定性影响的强度,解决整合时涉及到的关键问题,提出SNQPNI整合算法,分析了算法的时间复杂性.4.设计并实现时序环境具有相同节点的TQPNI结构整合算法.定义时变QPN(TQPN),通过考虑其中的自身环等问题,提出基于粗糙集理论的TQPNI整合算法,分析了算法的时间复杂性.5.设计并实现具有不同节点的DNQPNI结构整合算法.由SNQPNI算法整合思想,得出合并后的初始QPN,基于粗糙集理论,通过向其中添加缺失边和删除冗余边,提出DNQPNI整合算法,分析了算法的时间复杂性.(本文来源于《天津大学》期刊2012-12-01）
贺跃松[3]（2011）在《PQPN：先验定性概率网》一文中研究指出定性概率网是贝叶斯网络的一种定性抽象方式,表达的是节点之间的单调影响,即变量间增减的趋势,具有高效的推理机制。然而,有时我们并不关心定性概率网所表达的节点后验概率之间的这种单调关系,更关心的是已知一个节点取值后,另一个节点的概率变化,即节点的后验概率与其先验概率相比的变化趋势。本文提出一种新的贝叶斯网络定性抽象方法：先验定性概率网,其关注点为节点的先验概率与后验概率之间的关系。主要内容包括：1.先验定性概率网定义。分析其对称、传递和复合性质,并给出先验定性概率网的符号传播算法。2.定性概率网与先验定性概率网之间关系。主要包括两者定性影响之间的关系,以及两者在二值问题上的等价性证明。3.通过实验验证先验定性概率网推理算法的正确性,以及对比定性概率网和先验定性概率网推理结果。(本文来源于《天津大学》期刊2011-12-01）
吕亚丽,石洪波[4]（2011）在《基于粗糙集的定性概率网整合方法》一文中研究指出由于子定性概率网(QPN)仅局限于表示子领域知识,为构建一个较大QPN进行知识的全面表示,基于粗糙集理论,提出了一种具有不同节点的多个子QPN整合方法。在QPN中,可将单个变量或多个变量的组合看做粗糙集中的一个属性。当多个QPN整合时,首先合并多个子QPN结构;然后,在保证不出现环路的情况下,根据粗糙集的属性间的依赖度向合并的QPN中添加有向边及其定性符号;接着,再根据属性间相对必要性来删除具有多个父节点的属性所不必要的冗余边,从而整合出较大QPN。最后,实验验证了该整合方法的可行性和有效性。(本文来源于《计算机应用》期刊2011年06期）
魏木金[5]（2011）在《基于信息论的定性概率网无冲突推理》一文中研究指出贝叶斯网(BN)是人工智能领域不确定知识表示和推理的经典工具,现已被广泛运用于数据挖掘、医疗诊断、模式识别、工业控制、语音识别、基因链分析等多个领域。由于BN能够发掘数据中蕴含的规律,因此其应用价值越来越受到重视。然而,BN的构造和推理过于精确,导致其效率难以满足许多实时领域的应用。作为BN的定性抽象,定性概率网(QPN)具有高效的推理算法,它以定性符号替代BN中条件概率表,简化了不确定知识的表示、加速了不确定知识的推理,它的提出正好弥补了BN低效率的缺点。但是,QPN抽象程度过高,信息损失很大,以致QPN在推理过程中往往会产生不确定结果,我们称之为推理冲突。推理冲突一旦产生往往会随着推理过程的进行扩散到QPN的大部分节点,因此已成为QPN广泛应用的主要障碍。本文以加权的思想扩展传统QPN,使扩展的QPN (MI-QPN)中的每个定性影响都带有一个数值权重,当推理冲突产生时,我们可以根据定性影响权重的比较来避免冲突,从而达到扫除QPN应用障碍、拓宽QPN的应用范围的目的。针对MI-QPN,我们对传统的QPN推理算法进行了扩展,从而实现MI-QPN无冲突推理。本文的主要工作及贡献可概括如下：基于信息论中的互信息,为QPN中的定性影响定义权重(称为MIweight),并给QPN中每个定性影响加上MIweight,从而将QPN扩展为MI-QPN。针对从领域数据中直接构造所得的QPN和由BN转化而得到的QPN,分别提出了从领域数据中和BN中导出QPN中定性影响的MIweight权重的两种方法。讨论了加权定性影响的对称性、传递性和合成性,基于此叁种特性对传统QPN推理算法进行了扩展,从而实现了MI-QPN的无冲突高效推理。基于本文所提出的理论方法,我们以实验的方式验证了本文方法的可行性。另外,我们进一步构建了定性概率网的加权扩展及高效推理原型系统,展示了MI-QPN消除传统QPN中产生的推理冲突的过程。(本文来源于《云南大学》期刊2011-05-01）
吕亚丽,廖士中[6]（2011）在《基于定性互信息的定性概率网歧义性约简》一文中研究指出针对符号传播算法在符号相反的两条平行路径上进行推理时常常产生歧义性,提出一种基于定性互信息的歧义性约简方法.首先,给出定性互信息的严格定义.然后,提出基于定性互信息影响强度的定性概率网,进一步区分影响强度,并证明具有强度的定性影响的对称性、传递性和复合性.最后在Antibiotics数据集上,通过与已有方法推理结果的对比实验,验证该歧义性约简方法的正确性和高效性.理论分析和实验结果表明,基于定性互信息的定性概率网既保留定性推理的简明性,又能够有效约简定性推理的歧义性.(本文来源于《模式识别与人工智能》期刊2011年01期）
李维华[7]（2010）在《概率网的重构》一文中研究指出知识爆炸和数据泛滥使人们需要从数据中挖掘出有用的信息、获取所需的知识、并对知识进行推理。随机和不确定是现实世界本身固有的特征。因此,我们需要一种表示定量的不确定断言,以及将这些定量断言结合起来并支持不确定性推理和决策分析自动化的方法。概率网,即贝叶斯网和影响图,逐渐成为不确定诊断、预测、决策支持、分类、数据挖掘的主流范式,并为它们提供了直观、有效、可靠的计算方法。概率网是目前应用人工智能中最有前途的技术之一。概率网的知识表示与推理也是智能数据分析、知识发现以及不确定人工智能的重要研究方向。实际应用问题往往导致复杂的概率网,而概率网的推理与学习都随着变量数目指数增长,且用户的需求并不是一成不变的。因此,总是要求一个模型可以有效地求解并满足不断变化的需求是比较困难、甚至不可能的。为了提高模型的适用性和推理效率,本文着重讨论了在没有可用数据的条件下贝叶斯网和影响图的结构优化和模型重构问题。本文的主要工作与创新包括以下叁个方面。第一,研究了概率网的约简方法。对于贝叶斯网,本文给出两个充分必要条件确定局部模型的图形特征,并在此基础上给出一个局部模型的学习方法。其次,本文定义了结点之间的一个等价关系,并通过逐层聚集等价节点学习层次模型。对于影响图,本文定义了一个决策节点之间的决策协作和依赖的相关关系,并证明它是一个等价关系。其次,给出影响相关决策期望效用的变量集合,即相关变量。此外,基于相关决策和相关变量给出确定影响图局部模型的方法。在本研究中,局部模型可以获得用户关心的子模型,并保证局部推理等价于全局推理。层次模型通过封装细节与局部,为复杂问题提供了一个层次抽象。概率网的约简优化模型、扩展模型可用性,避免从海量数据学习模型,还可以将推理限制在一个较小的模型上,为提高推理效率奠定基础。第二,研究了概率网的可分解性。对于贝叶斯网,本文在以往工作的基础上给出一个简单的扩展算法,该方法可以无损地将贝叶斯网分解成一组模型。对于影响图,本文将求解序从单个决策结点扩展到决策结点的集合,定义了决策结点集合的极值概念。其次,本文证明了影响图的全局最优解可以通过极值上的局部最优解确定。基于极值概念,本文对影响图进行相关分析并给出影响图的分解方法。极值集合使得不存在标准求解序的影响图的分解成为可能,并有效地扩展了相关分析的局限。概率网的分解将复杂模型转换为一组等价的子模型,为降低概率网的推理复杂度提供了基础。第叁,研究了局部模型的融合方法。本文给出两个充分必要条件确定全局概率网的图形特征。在此基础上,本文给出一个不依赖于数据的无损融合方法。其次,当局部模型之间的冲突和不一致不可避免的情况下,本文给出一个学习最小I图的方法,它能尽量保留个体信息。此外,本文证明所给融合方法比直接从数据中学习模型的方法有效。本文的融合方法可以在没有数据的条件下学习到全局模型,避免通过专家构造的主观性,使得推理更准确,补充了概率网学习方法,(本文来源于《云南大学》期刊2010-12-01）
岳昆,刘惟一[8]（2009）在《不确定性知识的定性表示、推理及其应用——定性概率网研究综述》一文中研究指出贝叶斯网是不确定性知识表示和推理的有效框架,定性概率网是贝叶斯网的抽象表示,它简化了不确定性知识的表示,加速了不确定性知识的推理.近年来,定性概率网成为了不确定人工智能和知识发现领域的一个重要研究方向.分析总结了目前定性概率网的挑战和研究成果,主要包括定性概率网的知识表示、推理及应用3个方面.表示方面,概括了定性影响、定性加协作、定性乘协作和原因间影响,并探讨了定性概率网表示机制存在的问题及主要解决方法;推理方面,描述了推理算法,探讨了定性概率网推理冲突问题,分析比较了解决推理冲突的主要方法;应用方面,概括了基于定性概率网的知识发现和决策支持的主要方法.此外,基于对现有研究成果的分析总结,也指出了定性概率网相关方面进一步研究的问题及重点.(本文来源于《云南大学学报(自然科学版)》期刊2009年06期）
刘双贤,刘惟一,岳昆[9]（2008）在《基于粗糙集的定性概率网推理冲突解决方法》一文中研究指出定性概率是贝叶斯网的定性抽象,它以有向边上的定性影响代替贝叶斯网中的条件概率参数,描述了变量间增减的趋势,具有高效的推理机制。但定性概率网中信息丢失导致推理的过程中往往产生不确定信息,即推理结果产生冲突。以尽可能消除定性推理中的冲突为出发点,在构建定性概率网时,基于粗糙集属性依赖度理论求解出网中节点间的依赖度,以依赖度作为变量间定性影响的权重,并根据依赖度改进已有的定性概率网推理算法,从而解决定性概率网推理冲突。实例验证表明,该方法既保持了定性概率网高效推理的特性,又能有效解决冲突。(本文来源于《计算机应用》期刊2008年06期）
王珂,连鸿波[10]（2005）在《电力市场概率网损分析》一文中研究指出目前,网损分析计算方法很多,但大多很难计及节点注入功率随机波动等不确定因素所造成的影响。分析比较了现有的网损计算方法,提出了概率网损的新的分析方法,并将概率潮流方法应用于概率网损的分析计算。详细阐述了具体的实现过程并将该方法进一步应用于电力市场转运网损(过网网损)的分析计算。(本文来源于《华东电力》期刊2005年09期）
概率网论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
概率网是人工智能学科表示并处理概率知识的一类图模型方法.多源概率网整合是全面进行概率知识表示和推理研究中的重要问题.已有工作大多限于贝叶斯网、影响图和可能性网等定量概率网的整合,较少考虑到概率知识只能定性表示或只需定性表示时的定性概率网(Qualitative Probabilistic Networks, QPNs)整合.基于上述问题,本文结合不完整数据,研究QPNs符号整合方法和叁种情况下的QPNs结构整合方法.具体内容包括：1.提出基于定性互信息的歧义性约简方法.严格定义定性互信息,在此基础上提出可区分影响强度的增强QPN,并证明其性质,给出多项式时间的歧义性约简方法.2.设计并实现基于定性互信息的QPNSI符号整合算法.将歧义性约简方法扩展到多个结构相同的QPNs符号整合中,提出QPNSI整合算法,分析了算法的时间复杂性.3.设计并实现具有相同节点的SNQPNI结构整合算法.基于粗糙集理论,采用概率正域求解属性依赖度作为定性影响的强度,解决整合时涉及到的关键问题,提出SNQPNI整合算法,分析了算法的时间复杂性.4.设计并实现时序环境具有相同节点的TQPNI结构整合算法.定义时变QPN(TQPN),通过考虑其中的自身环等问题,提出基于粗糙集理论的TQPNI整合算法,分析了算法的时间复杂性.5.设计并实现具有不同节点的DNQPNI结构整合算法.由SNQPNI算法整合思想,得出合并后的初始QPN,基于粗糙集理论,通过向其中添加缺失边和删除冗余边,提出DNQPNI整合算法,分析了算法的时间复杂性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
概率网论文参考文献
[1].苗志鸿.基于等拓扑网—概率网的飞机电源系统可靠性分析研究[D].西安理工大学.2019
[2].吕亚丽.定性概率网整合[D].天津大学.2012
[3].贺跃松.PQPN：先验定性概率网[D].天津大学.2011
[4].吕亚丽,石洪波.基于粗糙集的定性概率网整合方法[J].计算机应用.2011
[5].魏木金.基于信息论的定性概率网无冲突推理[D].云南大学.2011
[6].吕亚丽,廖士中.基于定性互信息的定性概率网歧义性约简[J].模式识别与人工智能.2011
[7].李维华.概率网的重构[D].云南大学.2010
[8].岳昆,刘惟一.不确定性知识的定性表示、推理及其应用——定性概率网研究综述[J].云南大学学报(自然科学版).2009
[9].刘双贤,刘惟一,岳昆.基于粗糙集的定性概率网推理冲突解决方法[J].计算机应用.2008
[10].王珂,连鸿波.电力市场概率网损分析[J].华东电力.2005