一种基于二层贝叶斯网的网络入侵检测方法

提出了一种基于二层贝叶斯网的网络入侵检测方法,该方法能够从审计数据中自动学习知识生成入侵模型,并根据该模型检测入侵行为,从而提高入侵检测系统得自适应性和可移植性,降低系统的误报率和误检率．并通过设计实验来验证基于贝叶斯网的入侵检测系统的性能,实验数据采用KDD cup 1999年的部分数据．实验结果表明：该方法在只使用10％训练数据和部分记录属性来学习的情况下,检测效果仍比较好．     

基于贝叶斯网络的铁路旅客服务质量评价

为了吸引更多客源和提高客运竞争力,铁路需要不断提高其旅客服务质量,而有关服务质 量的科学评价对于服务质量的提高具有一定的指导与督促作用。基于此,首先,根据服务地点的不同将铁路旅客服务划分为车站旅客服务和列车旅客服务,并分别确定相应的评价指标,进而根 据各指标间相互独立又相互影响的关系,运用树模型构建评价体系。然后,将评价指标体系中的各项指标转化为贝叶斯网络中的相关结点,进而映射成为贝叶斯网络。通过贝叶斯网络特有的概 率计算方法,对评价体系展开逐级计算,最终得到作为顶层指标的旅客服务质量的评价结果。最后,以实际算例对比不同运输时间段内的评价结果,验证理论方法的适用性。研究结果表明：基于贝叶斯网络的铁路旅客服务质量评价方法是可行的、有效的,其得出的评价结果可以作为改进服务措施和提高服务效率的指导。     

基于贝叶斯网络推理的道路网络级联失效仿真

针对道路网络级联失效与其它复杂网络相比具有的特殊性,基于贝叶斯网络推理,融合驾驶者出行先验及出行信息,研究了道路网络级联失效的演变机理及演变过程.编制MATLAB程序生成基于道路网络的贝叶斯网络结构,根据贝叶斯网络参数学习 MATLAB程序,学习了驾驶者感知路段属性变化;给出了仿真算法,仿真了贝叶斯网络推理中不同出行先验权重,以及出行信息量对道路网络属性及级联失效的影响.结果表明,贝叶斯网络推理可以较好地反映驾驶者出行路段选择对道路网络级联失效的定量影响,为研究道路网络级联失效提供了新的研究思路和方法.     

基于贝叶斯网络的地铁设备故障诊断方法

故障诊断时间在目前地铁设备故障修复总时长中占比较高,如何有效缩短故障诊断时间成为提高地铁设备故障维修效率的关键。鉴于此,为快速分析地铁设备系统中的薄弱环节,以故障诊断时间为判定标准,提出基于贝叶斯网络的地铁设备故障诊断算法,将贝叶斯网络计算的故障概率与该种故障排查时间相结合作为预期故障诊断时间指标,并以该指标值从低到高依序进行故障排查诊断。然后基于调研获取的全国17家地铁公司列车客室门故障数据,利用蒙特卡洛仿真和3D数字孪生对比人工排查和本算法在故障诊断方面的效率差异。算例结果显示,利用本算法定位故障点时所消耗的时间是人工排查时长的43%～48%,表明基于故障诊断时间的贝叶斯网络地铁设备故障诊断算法能快速分析出系统中的薄弱环节,提高地铁设备故障的维修效率。     

贝叶斯网络对隧道施工风险评价研究

为提高地铁隧道施工中风险评价的准确性,完善现有风险评估方法在处理不确定性分析方面的不足,运用贝叶斯定理对深圳市某地铁项目进行风险评价。首先通过构建风险拓扑结构模型,预测各种情况下地铁施工风险的发生概率,然后利用反推法分析事故风险的机理,最后采用互信息理论完成风险评价,找出致险因子。结果表明,该隧道工程施工风险概率为3.24%,地铁施工安全隐患是该工程最大的致险因子。     

基于贝叶斯网络的舰船战损评估研究

分析了舰船战损评估的基本过程,建立了舰船战损评估指标体系,分析了该指标体系的完整性.针对舰船战损评估的因果推理特性,提出了基于贝叶斯网络的战损评估方法,该方法能够解决信息不确定性,提高舰船战损评估速度.应用所提出的方法建立了舰船战损评估贝叶斯网络模型,分析了贝叶斯网络的舰船战损评估流程.应用实例表明了该方法的有效性和可操作性.     

基于贝叶斯网络的城市交通规划辅助决策模型

为解决传统模型定位跟踪能力较差、交通规划决策线路覆盖不均衡的问题,构建基于贝叶斯网络的城市交通规划辅助决策模型.根据城市交通特征提取机动车的分布状态,得到城市某一随机路段的交通流量,利用贝叶斯网络定位跟踪交通移动目标,实现交通流量和通行状态的实时追踪、结合跟踪结果,依据平衡分配规划指标构建城市交通规划辅助决策模型.结果...     

基于网络技术的汽车故障诊断系统

伴随无线通讯技术、基于模型的诊断技术、人机接口技术、电子技术和嵌入式系统技术的快速发展,汽车诊断方式产生巨大的变化。可以在汽车正常行驶的同时,通过网络远程诊断来维护汽车。分析基于网络的汽车远程诊断的现状、特点及发展趋势。     

基于贝叶斯网络的工程项目质量风险管理

提出基于贝叶斯网络的工程项目质量风险管理.首先,对工程质量形成过程中的风险因素进行识别,其次进行风险分析确定主要风险因素,构建贝叶斯网络结构.依据问卷调查中得到的数据和专家经验确定贝叶斯网络中的参数,以此为基础对工程项目质量进行风险评估、风险诊断,分析确定影响工程质量的关键风险因素.最后,依据分析得到的结果进行风险控制.     

基于神经网络的汽车发动机故障诊断研究

将BP神经网络应用于汽车发动机故障诊断.利用实际测试的怠速不稳故障样本训练网络并进行测试.结果证明,BP神经网络应用于汽车发动机故障诊断,效果良好,具有较高的诊断效率和准确度.     

基于遗传BP神经网络的电控发动机故障诊断研究

为提高发动机故障诊断的正确率与精确度,提出遗传算法和BP神经网络相结合的故障诊断模型。将发动机部分尾气信息和传感器数据作为BP神经网络诊断模型的输入变量,利用遗传算法的全局搜索能力优化BP神经网络的初始权值和阈值,采用优化后的BP神经网络建立发动机故障的诊断模型。实验结果表明该诊断模型可提高发动机故障诊断的正确率。     

基于引力搜索RBF神经网络的柴油机故障诊断

为了解决RBF神经网络的参数选择问题,以便提高柴油机故障诊断的精度,提出了一种基于引力搜索算法和RBF神经网络相结合的智能故障诊断方法.该方法首先采用减聚类算法确定网络隐层单元数,然后提出改进引力搜索算法优化RBF神经网络的参数.利用国际标准样本集对该方法进行分类测试,并将该方法应用于柴油机故障的诊断,仿真实验验证了该方法对柴油机故障的分类和诊断效果.     

基于小波网络的船舶柴油机燃油系统故障诊断

采用小波变换和BP神经网络的辅助式结合,通过小波变换提取故障特征向量作为BP神经网络的输入值,设计并组建了小波神经网络;利用小波变换模极大值分析高压油管燃油压力信号的奇异性,提取故障特征向量;根据故障采集数据并建立学习样本,通过网络训练建立BP神经网络输入和输出间良好的非线性映射,进而通过特征向量输入BP神经网络来诊断故障。实验数据分析表明:该方法具有良好的诊断效果。     

基于分形理论的汽车发动机故障诊断分析

针对汽车发动机振动信号的非线性特点,将分形理论应用于发动机的故障诊断。首先分析发动机振动信号的产生机理,并介绍计算关联维数的G-P算法。其次,对采集的振动信号进行分析。结果表明,发动机发生故障时的关联维数与其正常工作时的关联维数不同。因此,关联维数可以较为准确地判断发动机故障情况。     

基于小波分析的电控发动机故障诊断

利用小波系数分析发动机转速信号,把转速信号的小波分析结果与发动机各缸的性能参数进行时比,从而来判断发动机断缸故障.实践证明是切实可行的.     

神经网络与D-S证据理论分层融合的柴油机综合故障诊断方法研究

针对柴油机传统故障诊断方法处理数据量大、故障类型复杂多变的问题时存在诊断准确率不高的现状,利用数据融合原理,将神经网络和证据理论进行有机的结合,提出了神经网络和证据理论分层融合的柴油机故障综合诊断方法.该方法通过并行神经网络的结构提高局部诊断网络的诊断能力,并给出了基本可信度分配的客观化方法,充分利用各种故障的冗余和互补信息,可显著提高故障诊断的准确率.诊断实例表明,该方法能显著提高柴油机故障诊断系统的效率.     

基于规则的机车柴油机故障诊断专家系统

简要介绍了机车柴油机故障诊断专家系统的国内外研究现状，阐述了所研究开发的柴油机故障诊断专家系统的整体框架、诊断知识的表达方法以及诊断的推理机制，并给出了应用专家系统进行机车柴油机故障诊断的实际例子．     

基于改进SBELM的耦合故障诊断方法

为了对主减速器的耦合故障进行识别,通过对振动信号经过集成经验模态分解(ensemble empirical mode decomposition, EEMD)所获得的高频分量采用自适应阈值降噪和对低频分量采用区间阈值降噪,有效去除了信号噪声,创建了配对多标签分类策略(paired multi-label classification,PMLC).基于PMLC和稀疏贝叶斯极限学习机(sparse Bayesian extreme learning machine, SBELM)用单故障样本构造概率分类器集,再采用网格搜索方法生成最优决策阈值,将分类器集的概率输出转换为耦合故障模式,提出了基于自适应区间阈值降噪和SBELM的耦合故障诊断方法,并用主减速器的实际样本集验证了该方法的性能.研究结果表明:该方法的诊断精确度达到96.1%,比基于PNN(probability neural networks)和SVM(support vector machine)的诊断方法提高了5%;该方法的训练时间和执行时间为131.4和61.3 ms,比基于SVM的诊断方法减少了70%.