基于节点序约束的贝叶斯网络结构学习算法研究
发布时间：2021-08-23 12:44
贝叶斯网络是表示复杂概率知识理解变量之间的因果关系以及数据集特征的有力工具,如何高效的学习贝叶斯网络结构一直是研究的重点。水泥篦冷机是水泥生产线中冷却高温水泥熟料和回收热量的关键设备,水泥篦冷机换热贝叶斯网络模型建立及故障诊断直接影响熟料质量和水泥生产能耗。动态贝叶斯网络是贝叶斯网络在时序空间的拓展,其结构学习的效率和准确性直接影响网络的适用性。针对传统贝叶斯网络结构学习算法寻优效率差的问题,推导出两种基于节点序搜索的贝叶斯结构学习算法NOK2算法和NCSC算法,将两种算法应用在篦冷机熟料换热工艺参数贝叶斯网络模型建立和动态贝叶斯网络结构构建。具体研究工作如下:首先,构建基于节点序寻优进行贝叶斯网络结构学习的NOK2算法:该算法在经典贝叶斯网络结构学习算法K2算法的基础上,首先通过计算支撑树权重矩阵,构建能够定量评价节点序的适应度函数。然后通过提出混合交叉策略和孤立节点处理机制,同时利用动态学习因子和倒置变异策略,提升遗传算法节点序寻优的性能。最后将得到的节点序作为K2算法的先验知识得到最优贝叶斯网络结构。其次,构建基于节点块序列约束的局部贝叶斯网络结构搜索算法NCSC算法,该算法首先...
【文章来源】：燕山大学河北省
【文章页数】：74 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题背景及研究的目的和意义
1.2 课题研究现状与分析
1.2.1 静态贝叶斯结构学习现状
1.2.2 动态贝叶斯网络研究现状
1.2.3 篦冷机研究现状
1.3 本文的主要研究内容
第2章 基于节点序寻优进行贝叶斯网络结构学习算法
2.1 引言
2.2 NOK2算法研究
2.2.1 支撑树权重矩阵构建
2.2.2 节点序适应度函数构建
2.2.3 节点序寻优过程构建
2.2.4 NOK2算法流程
2.3 NOK2算法性能分析与仿真实验
2.3.1 基准测试网络
2.3.2 节点序评价函数性能分析
2.3.3 算法时间复杂度分析
2.3.4 算法收敛性仿真对比分析
2.3.5 贝叶斯网络结构学习仿真分析
2.4 本章小结
第3章 基于节点块序列约束的局部贝叶斯网络结构搜索算法
3.1 引言
3.2 NCSC算法研究
3.2.1 节点块序列构建
3.2.2 基于节点块序列进行网络搜索
3.2.3 NCSC算法实现
3.3 NCSC算法性能分析与仿真实验
3.3.1 基准测试网络
3.3.2 时间复杂度分析
3.3.3 与标准节点序的K2 算法对比分析
3.3.4 与其他算法对比分析
3.5 本章小结
第4章 基于节点序搜索贝叶斯结构算法的应用
4.1 引言
4.2 基于节点序搜索贝叶斯结构算法的篦冷机换热故障诊断模型
4.2.1 篦冷机熟料换热工艺数据分析及变量选取
4.2.2 篦冷机熟料换热工艺贝叶斯网络结构构建
4.2.3 篦冷机熟料换热工艺贝叶斯网络参数学习与故障诊断
4.3 基于节点序搜索的动态贝叶斯网络结构学习算法
4.3.1 动态贝叶斯网络基本假设及评分函数
4.3.2 INKABA算法研究
4.3.3 INKABA算法实现
4.3.4 INKABA算法仿真实验
4.4 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢
【参考文献】：
期刊论文
[1]基于贝叶斯改进结构算法的回转窑故障诊断模型研究[J]. 刘彬,刘永记,刘浩然,李雷,孙美婷. 中国机械工程. 2017(18)
[2]Multi-objective optimization of cooling air distribution of grate cooler with different inlet temperatures by using genetic algorithm[J]. SHAO Wei,CUI Zheng,CHENG Lin. Science China（Technological Sciences）. 2017(03)
[3]基于蚁群节点寻优的贝叶斯网络结构算法研究[J]. 刘浩然,孙美婷,李雷,刘永记,刘彬. 仪器仪表学报. 2017(01)
[4]Numerical simulation of heat transfer process in cement grate cooler based on dynamic mesh technique[J]. SHAO Wei,CUI Zheng,WANG NaiHua,CHENG Lin. Science China（Technological Sciences）. 2016(07)
[5]一种通过结构边界进行贝叶斯网络学习的算法[J]. 刘广怡,李鸥,张大龙. 电子与信息学报. 2015(04)
[6]篦冷机熟料多孔介质直管等效换热模型[J]. 闻岩,王佳顺,岳海龙,李斌,刘彬. 化工学报. 2014(09)
[7]概率图模型学习技术研究进展[J]. 刘建伟,黎海恩,罗雄麟. 自动化学报. 2014(06)
[8]基于剖开算子法的水泥篦冷机熟料换热模型研究[J]. 郝晓辰,范新丰,刘彬. 硅酸盐通报. 2013(01)
[9]RBF预测控制在水泥篦冷机系统中的应用[J]. 蔡宁,颜文俊. 水泥. 2010(10)
[10]高温散料气-固换热过程通用数学模型的研究[J]. 郑坤灿,温治,刘训良,楼国锋,张欣,张衍国,武文斐. 冶金能源. 2010(02)
博士论文
[1]水泥篦冷机高温渗流换热规律及温度预测模型研究[D]. 王美琪.燕山大学 2016
[2]篦冷机熟料参数测量及控制模型研究[D]. 李海滨.燕山大学 2006
硕士论文
[1]基于贝叶斯网络的水泥回转窑故障诊断系统的研究[D]. 吕晓贺.燕山大学 2016
[2]水泥熟料输送及渗流换热研究[D]. 李娜.燕山大学 2012
本文编号：3357891
【文章来源】：燕山大学河北省
【文章页数】：74 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题背景及研究的目的和意义
1.2 课题研究现状与分析
1.2.1 静态贝叶斯结构学习现状
1.2.2 动态贝叶斯网络研究现状
1.2.3 篦冷机研究现状
1.3 本文的主要研究内容
第2章 基于节点序寻优进行贝叶斯网络结构学习算法
2.1 引言
2.2 NOK2算法研究
2.2.1 支撑树权重矩阵构建
2.2.2 节点序适应度函数构建
2.2.3 节点序寻优过程构建
2.2.4 NOK2算法流程
2.3 NOK2算法性能分析与仿真实验
2.3.1 基准测试网络
2.3.2 节点序评价函数性能分析
2.3.3 算法时间复杂度分析
2.3.4 算法收敛性仿真对比分析
2.3.5 贝叶斯网络结构学习仿真分析
2.4 本章小结
第3章 基于节点块序列约束的局部贝叶斯网络结构搜索算法
3.1 引言
3.2 NCSC算法研究
3.2.1 节点块序列构建
3.2.2 基于节点块序列进行网络搜索
3.2.3 NCSC算法实现
3.3 NCSC算法性能分析与仿真实验
3.3.1 基准测试网络
3.3.2 时间复杂度分析
3.3.3 与标准节点序的K2 算法对比分析
3.3.4 与其他算法对比分析
3.5 本章小结
第4章 基于节点序搜索贝叶斯结构算法的应用
4.1 引言
4.2 基于节点序搜索贝叶斯结构算法的篦冷机换热故障诊断模型
4.2.1 篦冷机熟料换热工艺数据分析及变量选取
4.2.2 篦冷机熟料换热工艺贝叶斯网络结构构建
4.2.3 篦冷机熟料换热工艺贝叶斯网络参数学习与故障诊断
4.3 基于节点序搜索的动态贝叶斯网络结构学习算法
4.3.1 动态贝叶斯网络基本假设及评分函数
4.3.2 INKABA算法研究
4.3.3 INKABA算法实现
4.3.4 INKABA算法仿真实验
4.4 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢
【参考文献】：
期刊论文
[1]基于贝叶斯改进结构算法的回转窑故障诊断模型研究[J]. 刘彬,刘永记,刘浩然,李雷,孙美婷. 中国机械工程. 2017(18)
[2]Multi-objective optimization of cooling air distribution of grate cooler with different inlet temperatures by using genetic algorithm[J]. SHAO Wei,CUI Zheng,CHENG Lin. Science China（Technological Sciences）. 2017(03)
[3]基于蚁群节点寻优的贝叶斯网络结构算法研究[J]. 刘浩然,孙美婷,李雷,刘永记,刘彬. 仪器仪表学报. 2017(01)
[4]Numerical simulation of heat transfer process in cement grate cooler based on dynamic mesh technique[J]. SHAO Wei,CUI Zheng,WANG NaiHua,CHENG Lin. Science China（Technological Sciences）. 2016(07)
[5]一种通过结构边界进行贝叶斯网络学习的算法[J]. 刘广怡,李鸥,张大龙. 电子与信息学报. 2015(04)
[6]篦冷机熟料多孔介质直管等效换热模型[J]. 闻岩,王佳顺,岳海龙,李斌,刘彬. 化工学报. 2014(09)
[7]概率图模型学习技术研究进展[J]. 刘建伟,黎海恩,罗雄麟. 自动化学报. 2014(06)
[8]基于剖开算子法的水泥篦冷机熟料换热模型研究[J]. 郝晓辰,范新丰,刘彬. 硅酸盐通报. 2013(01)
[9]RBF预测控制在水泥篦冷机系统中的应用[J]. 蔡宁,颜文俊. 水泥. 2010(10)
[10]高温散料气-固换热过程通用数学模型的研究[J]. 郑坤灿,温治,刘训良,楼国锋,张欣,张衍国,武文斐. 冶金能源. 2010(02)
博士论文
[1]水泥篦冷机高温渗流换热规律及温度预测模型研究[D]. 王美琪.燕山大学 2016
[2]篦冷机熟料参数测量及控制模型研究[D]. 李海滨.燕山大学 2006
硕士论文
[1]基于贝叶斯网络的水泥回转窑故障诊断系统的研究[D]. 吕晓贺.燕山大学 2016
[2]水泥熟料输送及渗流换热研究[D]. 李娜.燕山大学 2012
本文编号：3357891
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3357891.html
