贝叶斯网络灵敏性分析方法及其在复杂系统故障诊断中的应用

摘要

在过去的几十年当中，人工智能领域关于不确定性知识系统的研究中获得了很大的进展，对于表达不确定知识的有效工具贝叶斯网络的研究也逐渐深入，作为贝叶斯网络的灵敏性分析也成为实际应用研究中的一个热点。贝叶斯网络的灵敏性分析是研究模型局部参数或证据微小变化对于目标结点所产生的影响，灵敏性分析在医药、土木工程、计算机，以及故障诊断等领域有着广泛的应用。然而对于动态贝叶斯网络，迄今为止仍然没有一种有效的灵敏性分析算法，因此本文基于动态贝叶斯网络推理算法FF算法的基础上提出了一种灵敏性分析方法，并且将贝叶斯网络的灵敏性分析方法引入到复杂系统的故障诊断中，本文的主要研究内容如下：　　(1)贝叶斯网络的概述，全面介绍和分析了贝叶斯网络灵敏性分析以及故障诊断的研究背景、研究现状。　　(2)针对马尔科夫模型(HMMs)灵敏性分析方法不能用于分析一般动态贝叶斯网络灵敏性和灵敏性分析计算复杂性高的问题，提出一种可有效处理动态贝叶斯网络灵敏性分析算法(SA_FF)。SA_FF算法利用FF近似推理算法(Factored Frontier)思想求解动态贝叶斯网络的灵敏性函数，通过对边界(Frontier)的动态推理建立参数与目标结点条件概率分布之间的函数关系；SA_FF算法在灵敏性函数推理计算过程中，通过对局部性边界的边缘化进行信息传播，不需要对模型的联合概率分布进行更新，显著提高了计算的效率，且可用于多参数灵敏性分析，但会引入一定的误差；进而，通过误差分析证明误差是有界的。通过实例计算的比较和分析显示SA FF算法的有效性。　　(3)针对DFC算法判断结点的重要性时只考虑自身状态概率的片面性，增大了寻找异常结点的时间，导致算法时间复杂性偏高的问题，将灵敏性分析用于故障诊断中，提出了高效的故障诊断算法：SA_FD算法。SA_FD算法通过计算结点灵敏度，将结点的状态对于子结点的影响与其状态参数对于子结点的影响程度结合起来，能够准确的判断出网络中的重要结点，缩短了寻找异常结点的时间，从而能以最快的效率诊断出系统中的故障结点，提高了故障诊断的效率。

目录

文摘

英文文摘

致谢

插图清单

插表清单

第一章 绪论

1.1 研究背景和意义

1.2 国内外研究现状和趋势

1.3 论文所做工作及结构安排

第二章 隐写与隐写分析技术

2.1 概述

2.2 隐写技术

2.1.1 隐写技术基本原理

2.12 隐写系统模型

2.1.3 隐写技术分类

2.1.4 隐写技术应用

2.2 隐写分析技术

2.2.1 隐写分析技术基本原理

2.2.2 隐写分析系统模型

2.2.3 图像隐写分析技术分类

2.3 本章小结

第三章 JPEG数字图像隐写方法

3.1 概述

3.2 JPEG数字图像常见隐写方法

3.2.1 JPEG简介

3.2.2 JPEG数字图像常见隐写方法

3.3 本章小结

第四章.基于SVM的JPEG图像通用隐写分析方法

4.1 通用隐写分析概述

4.2 特征选择

4.2.1 DCT-23维特征

4.2.2 马尔科夫矩阵

4.2.3 Fridrich_274维特征

4.3 分类器的选择

4.4 基于SVM的图像通用隐写分析方法

4.5 实验和结果分析

4.5.1 实验准备

4.5.2 实验结果和分析

4.6 本章小结

第五章 基于随机森林的JEPG图像通用隐写分析方法

5.1 决策树概述

5.2 Bagging方法

5.3 随机森林

5.4 基于随机森林的隐写分析方法

5.4.1 图片特征的选取

5.4.2 随机森林树的生成方式

5.4.3 训练

5.4.4 分类

5.5 实验和结果分析

5.5.1 实验准备

5.5.2 实验结果和分析

5.6 本章小结

第六章 基于稀疏表示的JPEG图像通用隐写分析方法

6.1 稀疏表示理论

6.2 主要稀疏重构算法

6.2.1 匹配追踪(Matching Pursuit，MP)

6.2.2 基追踪(Basis Pursuit，BP)

6.2.3 其它重构算法

6.3 冗余字典的构造

6.4 隐写分析算法

6.4.1 图片特征的选取

6.4.2 稀疏表示分类算法

6.5 实验和结果分析

6.5.1 实验准备

6.5.1 实验结果和分析

6.6 本章小结

第七章 总结与展望

7.1 总结

7.2 展望

参考文献

攻读硕士期间发表的学术论文