导读:本文包含了概率推理模型论文开题报告文献综述及选题提纲参考文献，主要关键词:数据起源,信息安全,IPO威胁模型,概率推理
概率推理模型论文文献综述
孙连山,刘锦华,徐艳艳[1]（2019）在《基于概率推理的起源过滤安全评估模型》一文中研究指出为解决定量评估起源过滤视图安全性的问题,定义了一种基于IPO推理规则的起源安全威胁模型,并在此基础上重新定义起源安全,提出了一种基于概率推理的安全评估模型,分析并总结了不同类型敏感节点的推理规律,阐明了不同类型推理概率的量化原理和方法.起源安全评估过程分为叁步.首先,在原始起源图中确定敏感节点的类型;其次,确定相应的推理结构图;最后,根据推理结构图对应的推理规则推理敏感节点的存在性和内容.模拟实验表明模型的性能可行且评估结果符合专家主观经验.(本文来源于《陕西科技大学学报》期刊2019年02期）
刘叁(女牙),铁璐,刘智,孙建文[2]（2013）在《基于多元概率推理模型的中文书写纹识别》一文中研究指出针对中文短文本分类问题,从集成学习的角度提出一种基于多元概率推理模型的书写纹识别方法。将初始样本集划分为等粒度、可交叉的样本子集,构造具有差异性的子空间,在各子空间上采用基于概率推理模型的基分类器训练样本,通过概率求和法融合所有基分类器的输出得到训练样本的最终识别结果。实验结果表明,该方法对于网络书写纹具有较好的识别效果,查全率、查准率和F1度量值分别高达81.6%、85.9%和83.69%。(本文来源于《计算机工程》期刊2013年11期）
白勇,杨宏伟,张勇,黄俊[3]（2013）在《支持语义和概率推理的用户模型设计方法》一文中研究指出针对目前用户模型研究现状,研究了一种支持语义和概率推理的用户模型构建方法。该方法实现了基于本体和贝叶斯网络的用户模型构建。采用该方法建立的领域用户模型能够支持基于语义和概率推理的信息检索。(本文来源于《情报科学》期刊2013年09期）
陈亚瑞[4]（2013）在《Ising图模型概率推理的计算复杂性》一文中研究指出图模型概率推理的主要任务是通过对联合概率分布进行变量求和来计算配分函数、变量边缘概率分布、条件概率分布等。图模型概率推理计算复杂性及近似概率推理的计算复杂性是一重要的理论问题,也是设计概率推理算法和近似概率推理算法的理论基础。研究了Ising图模型概率推理的计算复杂性,包括概率推理的难解性及不可近似性。具体地,通过构建#2SAT问题到Ising图模型概率推理问题的多项式时间计数归约,证明在一般Ising图模型上计算配分函数、变量边缘概率分布、条件概率分布的概率推理问题是#P难的,同时证明Ising图模型近似概率推理问题是NP难的,即一般Ising图模型上的概率推理问题是难解且不可近似的。(本文来源于《计算机科学》期刊2013年02期）
陈亚瑞,廖士中[5]（2010）在《Ising图模型概率推理的参数化复杂性》一文中研究指出Ising图模型概率推理的主要工作是通过变量求和来计算配分函数和边缘概率分布。传统计算复杂性理论证明Ising图模型精确概率推理是#P难的,并且Ising图模型近似概率推理是NP难的。研究了Ising图模型精确概率推理和Ising均值场近似概率推理的参数化复杂性。首先证明了不同参数的Ising图模型概率推理的参数化复杂性定理,指出基于变量个数或图模型树宽的参数化概率推理问题是固定参数可处理的。然后证明了Ising均值场的参数化复杂性定理,指出基于自由分布树宽、迭代次数和变量个数的参数化Ising均值场是固定参数可处理的;进一步,当Ising图模型参数满足Ising均值场迭代式压缩条件时,基于自由分布树宽和迭代次数的参数化Ising均值场是固定参数可处理的。(本文来源于《计算机科学》期刊2010年10期）
董力赓,陶霖密,徐光[6]（2009）在《一种基于头部姿态分析注意力目标的概率推理模型》一文中研究指出本文提出了一种在智能厨房中基于头部姿态分析注意力目标的概率推理模型。在厨房工作台前的墙壁上装有多个投影显示屏显示菜谱等相关信息,用户可能站在柜台前的多个地方观看这些内容。我们的目标是识别出用户当前正在注视哪个显示屏,从而了解用户所感兴趣的内容。本文提出了一种动态贝叶斯网模型来推理用户的注意力目标,该模型融合了多注意力目标、多用户位置,多摄像机人脸图像等因素之间的关系并进行联合推理。我们通过人脸图像与多个人脸类别的相似度向量对头部姿态进行度量而没有显式的计算具体的头部姿态值。我们在智能厨房原型环境下采集了测试数据,实验结果表明我们的模型是有效的。(本文来源于《第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集》期刊2009-10-29）
廖祥文,曹冬林,方滨兴,许洪波,程学旗[7]（2009）在《基于概率推理模型的博客倾向性检索研究》一文中研究指出近年来博客作为一种新兴的大众化新闻发布媒介越来越受到人们和业界的关注.博客之间通过互相引用、互相推荐形成一个巨大的博客空间.在博客空间中,人们既可以自由发表对现实生活各种问题的观点,表达自己的情感,也可以对市场上出现的新产品进行评论.准确检索出博客空间中人们对重要话题、热点事件的观点看法对市场调研、网络舆情发现与预警等应用有重要意义.博客倾向性检索的目标是检索出与给定查询既要主题相关又要有与该查询相关评论的博文.为实现该目标,把概率推理模型应用于博客倾向性检索中,提出一个基于概率推理模型的博客倾向性检索算法.该算法把主题相关性评分和倾向性评分合并到一个统一的概率推理理论模型,能够有效计算博文中出现的主题描述与查询的主题相关性,合理度量倾向性词描述查询主题的倾向性强弱,并融合二者分数形成最后整体评分.实验表明,该算法能够有效地识别博客空间中与给定查询相关的观点,获得较好的结果.(本文来源于《计算机研究与发展》期刊2009年09期）
廖祥文,曹冬林,方滨兴,许洪波,程学旗[8]（2008）在《基于概率推理模型的博客倾向性检索研究》一文中研究指出近年来博客作为一种新兴的大众化新闻发布媒介,越来越受到人们和业界的关注。在博客空间中,人们既可以自由发表对现实生活各种问题的观点,表达自己的情感,也可以对市场上出现的新产品进行评论。博客倾向性检索的目标是检索出与给定查询既要主题相关又要有与该查询相关评论的博文。本文把概率推理模型应用于博客倾向性检索中,提出一个基于概率推理模型的博客倾向性检索算法。该算法能够有效计算博文中出现的主题描述与查询的主题相关性,合理度量倾向性词描述查询主题的倾向性强弱,并融合二者分数形成最后整体评分。实验表明,该算法能够有效地识别博客空间中与给定查询相关的观点,获得较好的结果(本文来源于《第四届全国信息检索与内容安全学术会议论文集（上）》期刊2008-11-01）
胡小建,杨善林,储伟,方芳[9]（2005）在《基于赋值代数的BN概率推理的局部计算模型》一文中研究指出在Shenoy-Shafer赋值代数公理基础上,定义了贝叶斯网(Bayesian network,BN)推理结构上的赋值代数;提出BN上概率推理的赋值代数模型,该模型包括推理结构转变、赋值初始化、一致性消息全局传播与吸收以及概率推理的局部计算四个环节,建立了相应的算法以及联合概率与条件概率的计算方法;最后通过例子说明文章所提出的方法.所提出计算模型为贝叶斯网的概率推理提供了一种新的局部计算方法.(本文来源于《中国科学技术大学学报》期刊2005年06期）
杜晓旭,钱沄涛[10]（2005）在《加强概率推理模型在人脸识别中的应用》一文中研究指出在很多应用中,组合使用多个分类器可以降低分类错误率。该文就是基于这个思想提出了新的人脸识别算法,即加强概率推理模型。在该算法中,将分类任务划分成多个子分类器,每个子分类器集中于一些难分类的样本,然后组合这些子分类器形成一个强的分类器。试验结果表明算法的识别率比原来的概率推理模型的识别率提高了1.8%。(本文来源于《计算机工程》期刊2005年22期）
概率推理模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对中文短文本分类问题,从集成学习的角度提出一种基于多元概率推理模型的书写纹识别方法。将初始样本集划分为等粒度、可交叉的样本子集,构造具有差异性的子空间,在各子空间上采用基于概率推理模型的基分类器训练样本,通过概率求和法融合所有基分类器的输出得到训练样本的最终识别结果。实验结果表明,该方法对于网络书写纹具有较好的识别效果,查全率、查准率和F1度量值分别高达81.6%、85.9%和83.69%。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
概率推理模型论文参考文献
[1].孙连山,刘锦华,徐艳艳.基于概率推理的起源过滤安全评估模型[J].陕西科技大学学报.2019
[2].刘叁(女牙),铁璐,刘智,孙建文.基于多元概率推理模型的中文书写纹识别[J].计算机工程.2013
[3].白勇,杨宏伟,张勇,黄俊.支持语义和概率推理的用户模型设计方法[J].情报科学.2013
[4].陈亚瑞.Ising图模型概率推理的计算复杂性[J].计算机科学.2013
[5].陈亚瑞,廖士中.Ising图模型概率推理的参数化复杂性[J].计算机科学.2010
[6].董力赓,陶霖密,徐光.一种基于头部姿态分析注意力目标的概率推理模型[C].第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集.2009
[7].廖祥文,曹冬林,方滨兴,许洪波,程学旗.基于概率推理模型的博客倾向性检索研究[J].计算机研究与发展.2009
[8].廖祥文,曹冬林,方滨兴,许洪波,程学旗.基于概率推理模型的博客倾向性检索研究[C].第四届全国信息检索与内容安全学术会议论文集（上）.2008
[9].胡小建,杨善林,储伟,方芳.基于赋值代数的BN概率推理的局部计算模型[J].中国科学技术大学学报.2005
[10].杜晓旭,钱沄涛.加强概率推理模型在人脸识别中的应用[J].计算机工程.2005