目前一些常用的故障診斷方法都是以大樣本數(shù)據(jù)集為基礎(chǔ)的,但實(shí)際工程中受環(huán)境的限制只能得到小樣本數(shù)據(jù),有必要建立一種基于小樣本故障診斷的分類模型。同時(shí),在表達(dá)不確定性問題和多源信息表達(dá)與融合方面,基于人工智能的智故障診斷方法存在或多或少的缺陷。貝葉斯網(wǎng)絡(luò)作為目前不確定性知識(shí)表達(dá)和推理領(lǐng)域最有效的理論模型之一,適用于不確定性和概率推理的知識(shí)表達(dá)和推理。因此,研究用貝葉斯網(wǎng)絡(luò)構(gòu)建分類性能良好的分類模型,對(duì)實(shí)際小樣本故障診斷的應(yīng)用是非常有意義的。本論文重點(diǎn)構(gòu)建了兩類貝葉斯分類模型。首先,針對(duì)現(xiàn)有樸素貝葉斯分類模型只能解決離散屬性變量問題,對(duì)于連續(xù)變量的分類問題,往往要先進(jìn)行預(yù)離散化,這容易造成分類信息的丟失,進(jìn)而影響分類精度。本文通過分析混合高斯模型的特點(diǎn),結(jié)合現(xiàn)有的樸素貝葉斯分類模型,構(gòu)建了基于連續(xù)屬性變量的貝葉斯分類模型(CNBC)。本論文建立了兩類準(zhǔn)確性評(píng)估模塊,仿真試驗(yàn)表明,新構(gòu)建的分類模型能有效提高對(duì)連續(xù)屬性數(shù)據(jù)的分類精度,并且分類性能明顯優(yōu)于現(xiàn)有同類算法。鑒于樸素貝葉斯分類器盡管有良好的分類性能,但不能正確揭示變量之間的因果關(guān)系,本論文基于K2算法構(gòu)建了通用貝葉斯網(wǎng)絡(luò)分類器(GBNC... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：76 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖3-2分類器性能隨訓(xùn)練樣本數(shù)的變化曲線

20 個(gè)訓(xùn)練樣本學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)之前，它們之間的因果關(guān)系述為：A→B，C→D。這樣做的好處是方便對(duì)學(xué)習(xí)到的網(wǎng) K2 算法學(xué)習(xí)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)。離散等級(jí) m 取 3，算法要，實(shí)現(xiàn)時(shí)取節(jié)點(diǎn)序列的倒序，學(xué)習(xí)到的結(jié)果如圖 4-3 所示

下面選取第 5 級(jí)離散數(shù)據(jù)時(shí)的實(shí)驗(yàn)結(jié)果作為 GBNC_K2 分類模型的最終輸出結(jié)果，分析數(shù)據(jù)間的網(wǎng)絡(luò)結(jié)構(gòu)。圖4-4是取離散等級(jí) 時(shí)運(yùn)行通用貝葉斯分類器GBNC_K2后學(xué)習(xí)到的網(wǎng)絡(luò)結(jié)構(gòu)，以及簡(jiǎn)單樸素貝葉斯分類模型SNBC所基于的網(wǎng)絡(luò)結(jié)構(gòu)（假設(shè)已知）。m =5a）GBNC_K2 分類模型生成的網(wǎng)絡(luò)結(jié)構(gòu) b）SNBC 分類模型的網(wǎng)絡(luò)結(jié)構(gòu)圖 4-4 兩種分類模型生成的網(wǎng)絡(luò)結(jié)構(gòu)Fig.4-4 Structures trained by the two Bayesian classifiers從第一個(gè)網(wǎng)絡(luò)結(jié)構(gòu)可以直觀地看出，類節(jié)點(diǎn) Class 與屬性節(jié)點(diǎn) B、C 和 D直接相關(guān)，C 和 A 直接相關(guān)，這意味著 GBNC_K2 分類模型能從 IRIS 數(shù)據(jù)集里成功學(xué)習(xí)到變量之間的依賴關(guān)系。并且由第二、第三第四個(gè)屬性特征直接決-41-

【參考文獻(xiàn)】：
期刊論文
[1]一種基于貝葉斯和神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)圖像組合分類方法[J]. 陳健美,宋順林,朱玉全,宋余慶,陳耿,程鵬,桂長青.  計(jì)算機(jī)科學(xué). 2008(03)
[2]用于不完整數(shù)據(jù)的選擇性貝葉斯分類器[J]. 陳景年,黃厚寬,田鳳占,付樹軍.  計(jì)算機(jī)研究與發(fā)展. 2007(08)
[3]基于ICA與ViSOM的不完整數(shù)據(jù)處理[J]. 彭紅毅,蔣春福,朱思銘.  計(jì)算機(jī)科學(xué). 2007(07)
[4]一種基于不完整數(shù)據(jù)的樸素貝葉斯分類器[J]. 陳景年,黃厚寬,田鳳占,喬珠峰.  計(jì)算機(jī)工程. 2006(17)
[5]面向大規(guī)模數(shù)據(jù)集的貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)算法[J]. 張少中,章錦文,張志勇,韓美君,王秀坤.  計(jì)算機(jī)應(yīng)用. 2006(07)
[6]現(xiàn)代故障診斷技術(shù)研究現(xiàn)狀與趨勢(shì)[J]. 趙翔,黃磊,劉健,周紹騎.  后勤工程學(xué)院學(xué)報(bào). 2006(02)
[7]具有丟失數(shù)據(jù)的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)研究[J]. 王雙成,苑森淼.  軟件學(xué)報(bào). 2004(07)
[8]故障診斷方法發(fā)展動(dòng)向[J]. 曾儒偉,許誠,曾亮.  航空計(jì)算技術(shù). 2003(03)
[9]基于貝葉斯網(wǎng)絡(luò)的分類器研究[J]. 周顏軍,王雙成,王輝.  東北師大學(xué)報(bào)(自然科學(xué)版). 2003(02)
[10]大型汽輪發(fā)電機(jī)組故障診斷技術(shù)現(xiàn)狀與發(fā)展[J]. 喬海濤,馮永新.  廣東電力. 2003(02)

碩士論文
[1]貝葉斯網(wǎng)絡(luò)在機(jī)械故障診斷中的應(yīng)用研究[D]. 羅江華.重慶大學(xué) 2006



本文編號(hào)：2910950