基本介紹
內容簡介,編輯推薦,圖書目錄,
內容簡介
本書介紹了故障診斷及貝葉斯網路的基本理論，闡述了貝葉斯網路理論在智慧型故障診斷方法中的套用。提出了一種基於模型分解的複雜系統診斷模型建立方法，能夠在最小領域專家負擔情況下建立診斷貝葉斯網路模型；基於Gibbs抽樣的診斷模型評估算法，採用等機率故障注入算法，能夠實現對診斷模型的全面覆蓋測試，對診斷模型進行全面評估。介紹了一種基於簇樹的通用近似診斷推理算法，結合了簇樹精確算法和重要性抽樣原理，通用性好、計算效率高。基於進化計算的貝葉斯網路結構學習算法，對缺失數據處理是基於後驗網路的，補充數據可信度比較高，在丟失數據較多的情況下網路結構學習性能較好。
編輯推薦
本書適用於從事故障診斷研究領域的高等學校研究生和有關技術人員參考，對模式識別、知識發現等人工智慧領域的研究人員也有一定的參考價值。
圖書目錄
第1章 緒論
1.1 故障診斷與綜合診斷
1.2 智慧型故障診斷方法的研究現狀及發展
第2章 裝備故障診斷的理論基礎
2.1 武器裝備故障特點
2.2 智慧型故障診斷系統中不確定知識的處理
2.3 不確定性推理模式
第3章 貝葉斯網路理論
3.1 概述
3.2 貝葉斯機率基礎
3.3 貝葉斯學習理論
3.4 簡單貝葉斯學習模型
3.5 貝葉斯網路的建造
第4章 貝葉斯網路的精確推理
4.1 引言
4.2 貝葉斯推理基礎
4.3 基於簇樹的貝葉斯網路推理
4.4 小結
第5章 連線樹的構造與信息傳遞
5.1 連線樹的構造
5.2 量化連線樹
5.3 處理證據
5.4 近似推理
5.5 小結
第6章 診斷貝葉斯網路的建立和評估方法
6.1 基於故障樹的貝葉斯網路建立方法
6.2 基於模型分解的複雜系統貝葉斯網路構建方法
6.3 診斷貝葉斯網路模型的評估方法研究
6.4 小結
第7章 診斷貝葉斯網路通用近似推理算法
7.1 概述
7.2 基於簇樹的精確推理算法
7.3 基於簇樹算法的通用近似推理算法
7.4 小結
第8章 診斷貝葉斯網路的結構學習
8.1 網路結構學習方法
8.2 不完整數據條件下的網路結構學習算法
8.3 小結
第9章 故障診斷專家系統
9.1 故障診斷專家系統簡介
9.2 故障診斷專家系統的發展趨勢
9.3 故障診斷專家系統的基本結構
9.4 故障診斷專家系統設計
9.5 故障診斷方法試驗驗證
參考文獻
