![內容虛線](http://img.alicdn.com/imgextra/i4/101450072/TB2uhKJhB0kpuFjSsppXXcGTXXa-101450072.png)
內容簡介
![size="789x11"](http://img.alicdn.com/imgextra/i2/101450072/TB2LvCmhxXkpuFjy0FiXXbUfFXa-101450072.png)
本書介紹了故障診斷及貝葉斯網絡的基本理論,闡述了貝葉斯網絡理論在智能故障診斷方法中的應用。提出了一種基於模型分解的復雜繫統診斷模型建立方法,能夠在*小領域專家負擔情況下建立診斷貝葉斯網絡模型;基於Gibbs抽樣的診斷模型評估算法,采用等概率故障注入算法,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,結合了簇樹準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絡結構學習算法,對缺失數據處理是基於後驗網絡的,補充數據可信度比較高,在丟失數據較多的情況下網絡結構學習性能較好。
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、知識發現等人工智能領域的研究人員也有一定的參考價值。