检索结果-维普期刊中文期刊服务平台

基于高斯贝叶斯网络模型的跑道侵入影响因素研究被引量：17: 1; 作者罗军林雪宁闫永刚《安全与环境学报》 CAS CSCD 北大核心 2012年第3期196-199,共4页; 运用高斯贝叶斯网络模型并咨询跑道安全专家的意见对跑道侵入因素进行分类,建立贝叶斯网络模型;经MATLAB软件计算绘制了影响因素的均值和均方差曲线图。通过该曲线图得出跑道侵入因素的权重,弥补个人对跑道侵入因素判断和分析的缺陷。... 展开更多; 关键词航空运输高斯贝叶斯网络模型跑道侵入; 在线阅读下载PDF 职称材料

基于条件高斯贝叶斯网络的代谢组学数据分类预测研究被引量：4: 2; 作者戴品远余小金 +4 位作者谢纬华赵超刘冉尹立红陈炳为《中国卫生统计》 CSCD 北大核心 2021年第5期656-660,共5页; 目的探讨条件高斯贝叶斯网络(conditional Gaussian Bayesian network, CGBN)在代谢组学数据的分类判别中的应用。方法通过模拟研究与实际代谢组学数据分析,比较CGBN与偏最小二乘判别分析(partial least squares discriminant analysis,... 展开更多; 关键词条件高斯贝叶斯网络分类判别代谢组学; 在线阅读下载PDF 职称材料

基于高斯贝叶斯网络的大型钢桁梁桥损伤识别被引量：6: 3; 作者袁明贵辛宇 +1 位作者王佐才段大猷《铁道科学与工程学报》 EI CAS CSCD 北大核心 2022年第11期3293-3302,共10页; 为确保桥梁结构在运营期间的安全性能,以某大型公铁两用钢桁梁桥为研究背景,开展基于高斯贝叶斯网络(Gaussian Bayesian network,GBN)的钢桁梁桥损伤识别研究。建立该钢桁梁桥的有限元模型,对桥梁在汽车和列车作用下的耦合振动效应进行... 展开更多; 关键词钢桁梁桥车桥耦合振动分析高斯贝叶斯网络损伤指标损伤识别; 在线阅读下载PDF 职称材料

基于混合高斯输出贝叶斯信念网络模型的设备退化状态识别与剩余使用寿命预测方法研究被引量：9: 4; 作者张星辉康建设 +3 位作者赵劲松肖雷曹端超刘浩《振动与冲击》 EI CSCD 北大核心 2014年第8期171-179,共9页; 提出了基于混合高斯输出贝叶斯信念网络模型的设备退化状态识别与剩余使用寿命预测新方法,将变量消元和期望最大化算法相结合对模型进行推理,应用聚类评价指标对状态数进行优化,通过计算待识别特征向量的概率值来确定设备当前的退化状态... 展开更多; 关键词混合高斯输出贝叶斯信念网络模型退化状态识别剩余使用寿命预测轴承; 在线阅读下载PDF 职称材料

滑动数据窗口驱动动的的贝叶斯-高斯网络及其在非线性系统辨识中的应用被引量：1: 5; 作者刘益剑方彦军马宝萍《控制理论与应用》 EI CAS CSCD 北大核心 2009年第12期1435-1438,共4页; 工业控制场合中,需要获取非线性被控对象的结构特性,而系统动态响应的数据直接从外部特征上反映了非线性系统结构关系.为了充分利用非线性动态系统响应过程中的数据,本文提出了一种基于滑动数据窗口(sliding data window)的贝叶斯-高斯... 展开更多; 关键词滑动窗口贝叶斯-高斯神经网络非线性辨识; 在线阅读下载PDF 职称材料

一种基于改进Bhattacharyya距离的高斯网络协方差矩阵灵敏度分析方法被引量：1: 6; 作者朱明敏刘三阳《浙江大学学报（理学版）》 CAS CSCD 北大核心 2019年第1期9-14,21,共7页; 提出了一种改进的Bhattacharyya距离,用以度量2个协方差矩阵之间的差异性,简称为SΣ距离。证明了该距离在正定矩阵空间中满足距离的3条性质:正定性、对称性以及三角不等性,并将SΣ距离用于高斯网络协方差矩阵的灵敏度分析。数值实验结... 展开更多; 关键词高斯贝叶斯网络协方差矩阵灵敏度分析 SΣ距离; 在线阅读下载PDF 职称材料

基于CDA和MoG-BBN的齿轮磨损状态识别研究被引量：2: 7; 作者张星辉康建设 +2 位作者赵劲松肖雷曹端超《振动与冲击》 EI CSCD 北大核心 2014年第4期70-76,106,共8页; 提出了基于混合高斯输出贝叶斯信念网络模型的齿轮磨损状态识别新方法,建立了变量消元算法和期望最大化算法相结合的模型推理算法,通过计算待识别磨损特征向量的概率值来确定齿轮磨损状态。针对期望最大化算法容易局部收敛的问题,对其... 展开更多; 关键词混合高斯输出贝叶斯信念网络变量消元期望最大化曲线距离分析齿轮磨损; 在线阅读下载PDF 职称材料

齿轮箱状态识别与剩余寿命预测的MoG-BBN法被引量：3: 8; 作者张星辉李凤学 +2 位作者赵劲松曹端超滕红智《噪声与振动控制》 CSCD 2014年第2期158-163,共6页; 基于混合高斯输出贝叶斯信念网络模型的齿轮箱退化状态识别与剩余寿命预测新方法,应用聚类评价指标对全寿命过程退化状态数进行优化,通过计算待识别故障特征向量的概率值来确定齿轮箱退化状态,在退化状态识别的基础上,提出了剩余寿命计... 展开更多; 关键词振动与波混合高斯输出贝叶斯信念网络状态识别剩余寿命预测; 在线阅读下载PDF 职称材料

题名基于高斯贝叶斯网络模型的跑道侵入影响因素研究被引量：17: 1; 作者罗军林雪宁闫永刚; 机构中国民航飞行学院空中交通管理学院中国民航局空中交通管理局; 出处《安全与环境学报》 CAS CSCD 北大核心 2012年第3期196-199,共4页; 基金中国民航飞行学院青年基金项目(X201116); 文摘运用高斯贝叶斯网络模型并咨询跑道安全专家的意见对跑道侵入因素进行分类,建立贝叶斯网络模型;经MATLAB软件计算绘制了影响因素的均值和均方差曲线图。通过该曲线图得出跑道侵入因素的权重,弥补个人对跑道侵入因素判断和分析的缺陷。挖掘表层因素不断确定时隐含在内部的因素对跑道侵入事件的影响程度。当隐含因素的均方差减少到极小值时,表明该隐含因素得到确定,可在调查跑道侵入事件的原因时避免重复或疏漏。; 关键词航空运输高斯贝叶斯网络模型跑道侵入; Keywords air transportation Gaussian Bayesian network model runway incursions; 分类号 U8 [交通运输工程]; 在线阅读下载PDF 职称材料

题名基于条件高斯贝叶斯网络的代谢组学数据分类预测研究被引量：4: 2; 作者戴品远余小金谢纬华赵超刘冉尹立红陈炳为; 机构东南大学公共卫生学院流行病与卫生统计学系温州医科大学附属第二医院、育英儿童医院质量管理处东南大学公共卫生学院环境医学工程教育部重点实验室; 出处《中国卫生统计》 CSCD 北大核心 2021年第5期656-660,共5页; 基金国家自然科学基金项目(81673274,81872588)。; 文摘目的探讨条件高斯贝叶斯网络(conditional Gaussian Bayesian network, CGBN)在代谢组学数据的分类判别中的应用。方法通过模拟研究与实际代谢组学数据分析,比较CGBN与偏最小二乘判别分析(partial least squares discriminant analysis, PLSDA)在不同相关程度和不同稀疏水平的高维数据及线性相关与非线性等情形时的分类判别性能,评价指标采用ROC曲线下面积(area under curve, AUC)和平均计算时间。结果模拟研究结果表明,变量之间低相关且样本量不大于200时CGBN分类判别AUC高于PLSDA。在自变量与因变量非线性相关且小样本情况下CGBN分类判别AUC同样高于PLSDA。实例数据分析结果显示CGBN和PLSDA分类判别的AUC分别为0.997,0.975。CGBN的计算时间要远高于PLSDA。结论在不受计算负担限制的情形下,CGBN是代谢组学数据典型分析方法的一种可行的替代方法,值得进一步研究。; 关键词条件高斯贝叶斯网络分类判别代谢组学; Keywords Conditional Gaussian Bayesian Network Classification Metabolomics; 分类号 R195.1 [医药卫生—卫生统计学]; 在线阅读下载PDF 职称材料

题名基于高斯贝叶斯网络的大型钢桁梁桥损伤识别被引量：6: 3; 作者袁明贵辛宇王佐才段大猷; 机构合肥工业大学土木与水利工程学院安徽省基础设施安全检测与监测工程实验室安全关键工业测控技术教育部工程研究中心; 出处《铁道科学与工程学报》 EI CAS CSCD 北大核心 2022年第11期3293-3302,共10页; 基金国家自然科学基金优秀青年科学基金资助项目(51922036) 中央高校基本科研业务费专项资金资助项目(JZ2020HGPB0117,JZ2021HGQA0248)。; 文摘为确保桥梁结构在运营期间的安全性能,以某大型公铁两用钢桁梁桥为研究背景,开展基于高斯贝叶斯网络(Gaussian Bayesian network,GBN)的钢桁梁桥损伤识别研究。建立该钢桁梁桥的有限元模型,对桥梁在汽车和列车作用下的耦合振动效应进行分析,并研究不同荷载因素对桥梁振动效应的影响;构建以移动荷载为1级节点,桥梁挠度为2级节点,桁架单元峰值应力为3级节点的GBN网络模型;通过有限元分析,获取桥梁结构在不同荷载因素作用下的训练数据,并对构建的GBN网络进行训练,得到能够准确表征各级节点复杂映射关系的网络模型。结合训练后的GBN网络模型和基于结构单元峰值应力残差的损伤指标,分别对钢桁梁桥在单点损伤、多点损伤以及不同损伤程度工况下的损伤识别进行研究,并对比分析不同移动荷载对桥梁结构损伤识别结果的影响。研究结果表明:基于训练后的GBN网络,能够准确地实现钢桁梁桥的损伤定位,并根据损伤指标计算值对结构的损伤程度进行量化;此外,对比汽车和列车荷载作用下的损伤识别结果,基于汽车荷载作用下的损伤识别结果具有更高的精度。; 关键词钢桁梁桥车桥耦合振动分析高斯贝叶斯网络损伤指标损伤识别; Keywords steel truss bridge vehicle-bridge coupling vibration analysis Gaussian Bayesian network damage index damage detection; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程] TU391 [建筑科学—结构工程]; 在线阅读下载PDF 职称材料

题名基于混合高斯输出贝叶斯信念网络模型的设备退化状态识别与剩余使用寿命预测方法研究被引量：9: 4; 作者张星辉康建设赵劲松肖雷曹端超刘浩; 机构军械工程学院军事交通学院重庆大学; 出处《振动与冲击》 EI CSCD 北大核心 2014年第8期171-179,共9页; 基金国家自然科学基金(51035008) 军队"十二五"武器装备预先研究项目(51327020101 51327020304); 文摘提出了基于混合高斯输出贝叶斯信念网络模型的设备退化状态识别与剩余使用寿命预测新方法,将变量消元和期望最大化算法相结合对模型进行推理,应用聚类评价指标对状态数进行优化,通过计算待识别特征向量的概率值来确定设备当前的退化状态,在退化状态识别的基础上,提出了剩余使用寿命预测方法。最后,分别应用50组轴承全寿命仿真数据和3组轴承全寿命实验数据对模型进行验证。结果表明,该模型可有效地识别设备的退化状态并对剩余使用寿命进行预测。; 关键词混合高斯输出贝叶斯信念网络模型退化状态识别剩余使用寿命预测轴承; Keywords mixture of Gaussian Bayesian belief network health state identification residual life prediction bearing; 分类号 TH165.3 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名滑动数据窗口驱动动的的贝叶斯-高斯网络及其在非线性系统辨识中的应用被引量：1: 5; 作者刘益剑方彦军马宝萍; 机构南京师范大学电气与自动化工程学院武汉大学自动化系; 出处《控制理论与应用》 EI CAS CSCD 北大核心 2009年第12期1435-1438,共4页; 基金国家自然科学基金资助项目(60704024 60772107) 江苏省普通高校自然科学研究计划资助项目(07KJD510109); 文摘工业控制场合中,需要获取非线性被控对象的结构特性,而系统动态响应的数据直接从外部特征上反映了非线性系统结构关系.为了充分利用非线性动态系统响应过程中的数据,本文提出了一种基于滑动数据窗口(sliding data window)的贝叶斯-高斯神经网络(SW-BGNN)模型.该模型将数据融合于网络模型结构中,借助于贝叶斯推理和高斯假设,利用滑动窗口数据,实现非线性动态系统的辨识和预测.整个SW-BGNN本身需要确定的参数很少,因此运算的时间很短,适合于非线性动态系统的在线辨识.将SW-BGNN应用于几个非线性动态系统的辨识和预测,仿真试验结果表明了SW--BGNN模型的有效性.; 关键词滑动窗口贝叶斯-高斯神经网络非线性辨识; Keywords sliding window Bayesian-Gaussian neural network nonlinear identification; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名一种基于改进Bhattacharyya距离的高斯网络协方差矩阵灵敏度分析方法被引量：1: 6; 作者朱明敏刘三阳; 机构西安电子科技大学数学与统计学院; 出处《浙江大学学报（理学版）》 CAS CSCD 北大核心 2019年第1期9-14,21,共7页; 基金国家自然科学基金资助项目(61877046) 陕西省自然科学基础研究计划项目(2017JM1001) 中央高校基本科研业务费项目(JBX180704); 文摘提出了一种改进的Bhattacharyya距离,用以度量2个协方差矩阵之间的差异性,简称为SΣ距离。证明了该距离在正定矩阵空间中满足距离的3条性质:正定性、对称性以及三角不等性,并将SΣ距离用于高斯网络协方差矩阵的灵敏度分析。数值实验结果表明,利用SΣ距离得到的分析结果与KL距离、Bhattacharyya距离完全一致,由于SΣ距离满足三角不等性,大大降低了矩阵的运算量。; 关键词高斯贝叶斯网络协方差矩阵灵敏度分析 SΣ距离; Keywords Gaussian Bayesian networks covariance matrix sensitivity analysis SΣdivergence; 分类号 TP399 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于CDA和MoG-BBN的齿轮磨损状态识别研究被引量：2: 7; 作者张星辉康建设赵劲松肖雷曹端超; 机构军械工程学院军事交通学院重庆大学; 出处《振动与冲击》 EI CSCD 北大核心 2014年第4期70-76,106,共8页; 基金国家自然科学基金重点项目(51035008); 文摘提出了基于混合高斯输出贝叶斯信念网络模型的齿轮磨损状态识别新方法,建立了变量消元算法和期望最大化算法相结合的模型推理算法,通过计算待识别磨损特征向量的概率值来确定齿轮磨损状态。针对期望最大化算法容易局部收敛的问题,对其进行了改进,使其更容易获得全局最优值。根据磨损特征之间的非线性关系这一特性,应用曲线距离分析方法对特征进行降维。最后,利用五种不同工况下的齿轮磨损实验数据对模型进行验证。结果表明,该模型可以有效地识别齿轮磨损状态,识别正确率可以达到99%,为齿轮箱的健康管理提供了科学依据。; 关键词混合高斯输出贝叶斯信念网络变量消元期望最大化曲线距离分析齿轮磨损; Keywords variable elimination expectation maximization curvilinear distance analysis gear wear; 分类号 TH17 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名齿轮箱状态识别与剩余寿命预测的MoG-BBN法被引量：3: 8; 作者张星辉李凤学赵劲松曹端超滕红智; 机构军械工程学院军事交通学院 [; 出处《噪声与振动控制》 CSCD 2014年第2期158-163,共6页; 文摘基于混合高斯输出贝叶斯信念网络模型的齿轮箱退化状态识别与剩余寿命预测新方法,应用聚类评价指标对全寿命过程退化状态数进行优化,通过计算待识别故障特征向量的概率值来确定齿轮箱退化状态,在退化状态识别的基础上,提出了剩余寿命计算方法。再利用齿轮箱全寿命实验数据对此进行验证。结果表明,该方法可以有效地识别齿轮箱故障状态并实现剩余寿命预测,平均预测正确率为96.47%,为齿轮箱的健康管理提供参考。; 关键词振动与波混合高斯输出贝叶斯信念网络状态识别剩余寿命预测; Keywords vibration and wave mixture of Gaussians Bayesian belief network state recognition residual life; 分类号 TH165.3 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于高斯贝叶斯网络模型的跑道侵入影响因素研究	罗军林雪宁闫永刚	《安全与环境学报》 CAS CSCD 北大核心	2012	17	在线阅读下载PDF 职称材料
2	基于条件高斯贝叶斯网络的代谢组学数据分类预测研究	戴品远余小金谢纬华赵超刘冉尹立红陈炳为	《中国卫生统计》 CSCD 北大核心	2021	4	在线阅读下载PDF 职称材料
3	基于高斯贝叶斯网络的大型钢桁梁桥损伤识别	袁明贵辛宇王佐才段大猷	《铁道科学与工程学报》 EI CAS CSCD 北大核心	2022	6	在线阅读下载PDF 职称材料
4	基于混合高斯输出贝叶斯信念网络模型的设备退化状态识别与剩余使用寿命预测方法研究	张星辉康建设赵劲松肖雷曹端超刘浩	《振动与冲击》 EI CSCD 北大核心	2014	9	在线阅读下载PDF 职称材料
5	滑动数据窗口驱动动的的贝叶斯-高斯网络及其在非线性系统辨识中的应用	刘益剑方彦军马宝萍	《控制理论与应用》 EI CAS CSCD 北大核心	2009	1	在线阅读下载PDF 职称材料
6	一种基于改进Bhattacharyya距离的高斯网络协方差矩阵灵敏度分析方法	朱明敏刘三阳	《浙江大学学报（理学版）》 CAS CSCD 北大核心	2019	1	在线阅读下载PDF 职称材料
7	基于CDA和MoG-BBN的齿轮磨损状态识别研究	张星辉康建设赵劲松肖雷曹端超	《振动与冲击》 EI CSCD 北大核心	2014	2	在线阅读下载PDF 职称材料
8	齿轮箱状态识别与剩余寿命预测的MoG-BBN法	张星辉李凤学赵劲松曹端超滕红智	《噪声与振动控制》 CSCD	2014	3	在线阅读下载PDF 职称材料