条件贝叶斯网络分类器及其在产品故障率等级分类中的应用

• 论文 •

条件贝叶斯网络分类器及其在产品故障率等级分类中的应用

蔡志强，孙树栋, Bernard Yannou, 司书宾

1.西北工业大学现代设计与集成制造技术教育部重点实验室，陕西西安710072；2.巴黎中央理工大学工业工程实验室，上塞纳沙特乃玛拉布利92290

出版日期:2010-02-15 发布日期:2010-02-25

Conditional Bayesian network classifier and its application in product failure rate grade indentifying

CAI Zhi-qiang, , SUN Shu-dong, YANNOU Bernard, SI Shu-bin

1.Ministry of Education Key Lab of Contemporary Design & Integrated Manufacturing Technology, Northwestern Polytechnical University, Xi'an 710072, China;2.Lab of Industrial Engineering, Ecole Centrale Paris, Chatenay-Malabry 92290, France

Online:2010-02-15 Published:2010-02-25

摘要/Abstract

摘要： 针对传统贝叶斯网络分类器模型的不足，提出了一种基于条件贝叶斯网络的分类器模型。通过分析贝叶斯网络模型给定目标变量时各特征变量间的条件独立关系，充分利用其关联关系，为解决分类问题提供了一条有效途径。在此基础上，提出了基于条件贝叶斯网络分类器模型的建模方法用于指导实际模型建立和应用。实例分析结果表明，条件贝叶斯网络与其他的贝叶斯网络分类器及传统的决策树C4.5分类器相比，在提高分类器分类精度的同时降低了网络模型结构复杂度。

关键词: 分类器, 贝叶斯网络, 故障率等级, 模型

Abstract: Aiming at the weakness of traditional Bayesian network classifiers, a new kind of classifaier model based on Conditional Bayesian Networks (CBN) was proposed. With the indication of the conditional independence relationship among attribute variables given the target variable, this model provided an effective approach for classification problems. Based on this, the modeling method for building CBN classifier was listed to guiding the modeling and application. Case study was carried out and the results showed that, comparing to existing Bayesian networks classifiers and traditional decision tree C4.5, the CBN not only enhanced the total precision but also reduced the complexity of network structure.

Key words: classifier, bayesian network, failure rate grade, models

中图分类号:

TP202

蔡志强,, 孙树栋, Bernard Yannou, 司书宾. 条件贝叶斯网络分类器及其在产品故障率等级分类中的应用[J]. .

CAI Zhi-qiang, , SUN Shu-dong, YANNOU Bernard, SI Shu-bin. Conditional Bayesian network classifier and its application in product failure rate grade indentifying [J]. .

[1]	王琦,闻立杰,邓雅方,钱忱,王建民. 基于过程模型约束的轨迹乱序事件修复方法[J]. 计算机集成制造系统, 2021, 27(9): 2491-2500.
[2]	郜启凯,李莹,邓水光. 支持跨组织协作的高可靠性服务编排框架[J]. 计算机集成制造系统, 2021, 27(9): 2501-2507.
[3]	高子建,张晗睿,窦万春,徐江民,孟顺梅. 基于谱聚类和隐语义模型的智能协同推荐方法[J]. 计算机集成制造系统, 2021, 27(9): 2517-2524.
[4]	莫启,向吉祥,汪煜祺,代飞,许小龙,齐连永. 基于流程抽象的协同业务过程符合性验证[J]. 计算机集成制造系统, 2021, 27(9): 2542-2555.
[5]	张力雯,方贤文,邵叱风,王丽丽. 基于行为校验与偏差组合的过程模型修复[J]. 计算机集成制造系统, 2021, 27(9): 2625-2635.
[6]	方欢,郑雪文,王吴松. 不完备事件日志下的业务系统变化检测及模型修复方法[J]. 计算机集成制造系统, 2021, 27(9): 2647-2660.
[7]	倪维健,吉桂芳,曾庆田,刘彤,段华. 基于表示学习的业务过程模型匹配方法[J]. 计算机集成制造系统, 2021, 27(9): 2661-2669.
[8]	陈明,高铁梁,张志锋,季肖辉,唐启光. 基于用户多兴趣的服务流程推荐方法[J]. 计算机集成制造系统, 2021, 27(9): 2701-2707.
[9]	宫立华,盛妍,李磊,刘鲲鹏,朱银龙,何薇,徐倩丽. 面向电力用户的群簇核心推荐算法[J]. 计算机集成制造系统, 2021, 27(9): 2721-2728.
[10]	张辰源,陶飞. 数字孪生模型评价指标体系[J]. 计算机集成制造系统, 2021, 27(8): 2171-2486.
[11]	占翔南,徐立云,宓宏,李爱平. 双深度多层穿梭车仓储系统并行作业及建模分析[J]. 计算机集成制造系统, 2021, 27(8): 2226-2236.
[12]	王沙沙,张则强,刘俊琦,陈凤. 多路径交互环形过道布置问题建模及改进蚁狮算法优化[J]. 计算机集成制造系统, 2021, 27(8): 2237-2247.
[13]	赵祎乾,吴天宇,顾森,李亚军,朱天陆. 基于人机仿真技术的炮手操作姿势多指标量化评估模型[J]. 计算机集成制造系统, 2021, 27(8): 2350-2361.
[14]	王春雨,蒋祖华,王福华,吉永军,江辉. 面向工业软件开发的半结构化知识语义检索方法[J]. 计算机集成制造系统, 2021, 27(8): 2371-2381.
[15]	肖甜丽,马义中,林成龙. 面向质量设计的Kriging组合建模技术[J]. 计算机集成制造系统, 2021, 27(7): 2023-2034.