本文關(guān)鍵詞：因果圖推理的改進及應(yīng)用

  更多相關(guān)文章： 人工智能 不確定性推理 因果圖 故障診斷 矩陣 二元決策圖

【摘要】：人工智能在實際的應(yīng)用研究中,其本質(zhì)為求解不確定性問題的能力。因此,不確定性推理模型則是人工智能的核心研究課題。動態(tài)因果圖理論,是一種基于概率論的知識表達的不確定性推理模型。該方法結(jié)合了故障樹與信度網(wǎng)的優(yōu)點,并克服了一些不足,在不確定性推理過程中具有很大的優(yōu)勢。隨著近年來不斷的持續(xù)深入研究,該理論在故障診斷等領(lǐng)域得到很大的完善與發(fā)展。因此,對因果圖的進一步研究具有重要的學(xué)術(shù)意義和應(yīng)用價值。論文對因果圖的推理及應(yīng)用進行了討論和研究,主要內(nèi)容包括:首先,對因果圖的經(jīng)典推理算法進行改進。引入基本事件矩陣,通過矩陣元素的規(guī)則抽取得出最小割集。省略了求一階割集的步驟,簡化集合運算。并提出一種動態(tài)因果圖向改進的二元決策圖轉(zhuǎn)換的方法。通過改進的二元決策圖推理省略了割集不交化的過程,得到不交化割集,減小經(jīng)典推理的復(fù)雜度。其次,擴展了因果圖的應(yīng)用領(lǐng)域。將因果圖應(yīng)用在安全系統(tǒng)領(lǐng)域中,把因果圖轉(zhuǎn)化為貝葉斯網(wǎng)絡(luò)結(jié)構(gòu),用深度優(yōu)先最左遍歷方法尋找因果圖的故障模塊,提高因果圖在安全系統(tǒng)診斷中的應(yīng)用。并將因果圖理論應(yīng)用于銀行操作風(fēng)險領(lǐng)域。在因果圖理論中引入基本事件損失重要度等概念,測算了各基本事件對銀行風(fēng)險的影響程度以及不同的作用形式,從而對銀行風(fēng)險進行定量分析。
【關(guān)鍵詞】：人工智能 不確定性推理 因果圖 故障診斷 矩陣 二元決策圖
【學(xué)位授予單位】：重慶師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP18
【目錄】：

• 中文摘要5-6
• 英文摘要6-9
• 1 引言9-11
• 1.1 研究背景9
• 1.2 研究目標與內(nèi)容9-11
• 2 不確定性推理及動態(tài)因果圖理論11-17
• 2.1 不確定性推理11-13
• 2.1.1 基本概念11
• 2.1.2 基本問題11-12
• 2.1.3 不確定性推理的一般過程12-13
• 2.2 動態(tài)因果圖理論13-16
• 2.2.1 因果圖及其特點13-14
• 2.2.2 因果圖的知識表達14-16
• 2.3 本章小結(jié)16-17
• 3 因果圖推理的改進17-28
• 3.1 基于因果圖基本事件矩陣的推理17-22
• 3.1.1 矩陣的基本概念17
• 3.1.2 因果圖基本事件矩陣的定義17-19
• 3.1.3 因果圖基本事件矩陣的推理步驟及實例分析19-22
• 3.2 利用改進的二元決策圖的因果圖推理22-27
• 3.2.1 改進的二元決策圖的定義22-23
• 3.2.2 利用改進的二元決策圖的因果圖推理算法23-25
• 3.2.3 利用改進的二元決策圖的因果圖推理的實例分析25-27
• 3.3 本章小結(jié)27-28
• 4 因果圖在安全系統(tǒng)診斷中的應(yīng)用28-33
• 4.1 因果圖向貝葉斯網(wǎng)絡(luò)的轉(zhuǎn)化28-30
• 4.1.1 貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的基本定義和知識表示28-29
• 4.1.2 因果圖向貝葉斯網(wǎng)絡(luò)轉(zhuǎn)化的步驟29-30
• 4.2 利用深度優(yōu)先最左遍歷方法尋找故障模塊及實例分析30-32
• 4.3 本章小結(jié)32-33
• 5 因果圖理論應(yīng)用于銀行風(fēng)險的診斷33-38
• 5.1 銀行風(fēng)險的分類及特點33
• 5.2 因果圖理論在銀行風(fēng)險中的建模33-34
• 5.3 因果圖在銀行操作風(fēng)險中的應(yīng)用34-37
• 5.4 本章小結(jié)37-38
• 6 總結(jié)38-39
• 參考文獻39-41
• 附錄A41-42
• 致謝42

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 黃臻睿;因果圖——檔案統(tǒng)計分析的有效方法[J];北京檔案;1991年02期

2 王洪春,石慶喜,張勤;因果圖向信度網(wǎng)轉(zhuǎn)化的方法研究[J];計算機仿真;2004年10期

3 王洪春;;因果圖參數(shù)的在線學(xué)習(xí)[J];重慶大學(xué)學(xué)報(自然科學(xué)版);2006年03期

4 梁新元;;單值模糊因果圖混合推理研究[J];微電子學(xué)與計算機;2008年02期

5 梁新元;石慶喜;;復(fù)雜系統(tǒng)因果圖合成建模方法研究[J];計算機工程與應(yīng)用;2008年21期

6 張勤,樊興華,黃席樾,王宏川,李波;因果圖用于復(fù)雜系統(tǒng)故障診斷研究[J];計算機工程與應(yīng)用;2002年04期

7 梁新元,張勤;因果圖在故障分析中的應(yīng)用研究[J];計算機工程與應(yīng)用;2004年19期

8 汪成亮,沈文武,程克非,張勤;連續(xù)變量/離散變量混合因果圖推理模型研究[J];信息與控制;2004年03期

9 石慶喜,梁新元,張勤;因果圖的一種快速推理方法[J];計算機工程與應(yīng)用;2005年28期

10 梁新元;吳淑皇;石慶喜;;梯形模糊因果圖及歸一化研究[J];計算機科學(xué);2006年12期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 沈文武;汪成亮;程克非;張勤;;動態(tài)因果圖理論及發(fā)展方向(英文)[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 呂杰;SAS軟件在質(zhì)量管理中的應(yīng)用(二)[N];中國質(zhì)量報;2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 梁新元;復(fù)雜系統(tǒng)因果圖推理理論與算法研究[D];重慶大學(xué);2005年

2 樊興華;因果圖理論及其用于復(fù)雜系統(tǒng)故障診斷研究[D];重慶大學(xué);2002年

3 石慶喜;因果圖學(xué)習(xí)與推理算法研究[D];重慶大學(xué);2005年

4 王洪春;基于因果圖的不確定性推理理論及算法研究[D];重慶大學(xué);2005年

5 沈文武;因果圖推理算法及專家系統(tǒng)應(yīng)用研究[D];重慶大學(xué);2005年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前8條

1 馬超;結(jié)構(gòu)重要度的因果圖分析方法[D];重慶師范大學(xué);2016年

2 嚴曉;基于二元決策圖和T-S模糊模型分析因果圖[D];重慶師范大學(xué);2016年

3 彭霜霜;區(qū)間數(shù)因果圖的不確定性推理及算法研究[D];重慶師范大學(xué);2016年

4 梁帆;因果圖推理的改進及應(yīng)用[D];重慶師范大學(xué);2016年

5 馮李;基于正態(tài)型模糊數(shù)的因果圖故障診斷應(yīng)用[D];重慶師范大學(xué);2015年

6 劉華東;因果圖軟件實現(xiàn)與應(yīng)用[D];重慶大學(xué);2003年

7 李波;動態(tài)因果圖用于汽油發(fā)動機故障智能診斷的理論及方法研究[D];重慶大學(xué);2002年

8 王宏川;因果圖推理及其應(yīng)用研究[D];重慶大學(xué);2002年

，

本文編號：679164