专利交易市场

一种基于多尺度样本熵和贝叶斯网络的隐蔽性攻击检测方法，所采用的技术方案是：1、分析网络化运动控制系统的多个物理传感器信息，使得所提方法比基于单传感器的方法效果更佳。2、从数据驱动的角度出发，充分利用网络化运动控制系统中已存在的传感器信息，不依赖精确的控制系统模型。3、通过简单的粗粒化操作，用很少的计算代价获得了更多的信息，在满足网络化运动控制系统实时性的同时提升了一定的检测性能。4、贝叶斯网络结合了一定的先验知识，具有更好的泛化能力，并且计算效率极高，是非常适用于网络化运动控制系统的检测方法。

本发明请求保护一种基于变结构贝叶斯网络的智能车辆威胁估计系统及方法，用于评估运动目标对车辆的威胁程度，涉及智能车辆认知技术领域。该系统包括威胁建模、数据采集与威胁估计模块。威胁建模阶段，确定影响智能车辆威胁估计的因素，包括外部环境因素、目标特征及驾驶员因素，然后构造贝叶斯网络模型的拓扑结构，再确定模型的局部条件概率表。车辆行驶过程中，数据采集模块利用传感器采集各影响因素的实时数据，威胁估计模块根据各因素变化率，只针对快速变化的因素重构其对应的变量节点，得到变结构贝叶斯网络模型，再进行推理计算得到目标威胁指数。本发明能有效改善智能车辆威胁估计的性能。

本发明公开了一种基于贝叶斯网络的电力系统仿真方法及系统，涉及电力系统技术领域。该基于贝叶斯网络的电力系统仿真方法，包括以下步骤：构建贝叶斯网络模型；置信度评估；模型训练；建立仿真潮流电路。本发明通过收集预设时间段内电力系统的关键数据并构建贝叶斯网络模型，然后实时监测电力系统的运行状态并进行置信度评估，接着根据置信度评估的结果对贝叶斯网络模型进行模型训练，最后基于模型训练后的贝叶斯网络模型建立电力系统的仿真潮流电路，同时实时监测仿真潮流电路在仿真过程中电力线路上电压值和电流值的变化趋势，达到了提高电力系统仿真准确度的效果，解决了现有技术中存在电力系统仿真准确度与电力系统实时运行状态的关联度低的问题。

本发明公开一种动态贝叶斯网络参数自更新的轮毂电机状态识别方法，根据轮毂电机运行状态信息和高敏感特征参数建立单个时间片段内的初始数据训练集和单个时间片段内的贝叶斯网络模型，建立单个轮毂电机运行状态识别模型；将当前时间片段中将高敏感特征参数、路面等级、载荷等级、车速等级作为识别模型的输入对轮毂电机运行状态在线识别，得到识别结果并上传至识别模型云训练中心，识别模型云训练中心对单个时间片段内的贝叶斯网络进行参数学习，得到各网络节点全新的条件概率分布，利用新数据集将二时间片段之间状态转移概率分布进行更新；解决了仅依靠单一因素对轮毂电机运行状态进行识别的不精准问题，提高了识别准确性。

本发明请求保护一种基于改进混合增量动态贝叶斯网络的视觉注意力检测方法，该方法融合头部、视线以及预测子模型来对其进行综合估计；在传统人眼模型的基础上对视线检测子模型进行改进，以提升识别速率增加对于不同测试者进行检测时的鲁棒性；针对极端姿态和动态场景下导致的数据缺失问题，提出了预测子模型，利用高斯协方差来度量两个时刻采样图片的相关性，从而有效改善当前时刻的误识别，降低了识别误差。其次就相关子模型进行描述，利用条件概率分别建立贝叶斯回归模型；并利用增量学习的方法来对模型的参数进行动态更新，用以提升模型整体对于新输入数据的适应性。