本文關(guān)鍵詞：貝葉斯網(wǎng)建模技術(shù)及其在決策中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：決策問題往往具有一定的不確定性，其根源主要來自問題本身的模糊性、隨機(jī)性，決策信息的不完備性、不精確性，人類認(rèn)知能力的有限性以及主觀認(rèn)識(shí)和客觀實(shí)際之間存在的差異性。這些不確定性使得決策的難度大大增加，因此，不確定環(huán)境下的決策理論與決策方法成為決策科學(xué)研究的重要內(nèi)容之一。 近年來，隨著數(shù)學(xué)理論與人工智能技術(shù)的發(fā)展，出現(xiàn)了多種不確定性問題的處理方法，如證據(jù)理論、貝葉斯網(wǎng)、模糊集和粗糙集等。在這些方法中，貝葉斯網(wǎng)絡(luò)是以概率論為數(shù)學(xué)基礎(chǔ)的圖形模式，具有直觀的表達(dá)能力和強(qiáng)大的知識(shí)推理能力等諸多優(yōu)越性，在不確定推理方面具有較強(qiáng)的優(yōu)勢(shì)，因此成為不確定理論研究的熱點(diǎn)。 本文針對(duì)貝葉斯網(wǎng)絡(luò)存在學(xué)習(xí)效率不高、建模困難的缺陷，重點(diǎn)研究了貝葉斯網(wǎng)建模技術(shù)及其在管理決策中的應(yīng)用，具體內(nèi)容如下： (1) 綜述了不確定性問題的分類，貝葉斯網(wǎng)的誕生發(fā)展過程和研究現(xiàn)狀，貝葉斯網(wǎng)在管理決策及智能決策支持系統(tǒng)中的應(yīng)用前景。闡述了貝葉斯網(wǎng)的結(jié)構(gòu)和特點(diǎn)，常用的推理方法，以及貝葉斯網(wǎng)的各種擴(kuò)展模型。 (2) 研究了貝葉斯網(wǎng)的結(jié)構(gòu)學(xué)習(xí)，提出了一種知識(shí)和數(shù)據(jù)融合的貝葉斯網(wǎng)結(jié)構(gòu)學(xué)習(xí)方法。首先由專家給出對(duì)網(wǎng)絡(luò)結(jié)構(gòu)的信度分配，采用證據(jù)理論進(jìn)行證據(jù)合成，合成后具有最高信度的結(jié)構(gòu)被認(rèn)為是正確的，然后再使用機(jī)器學(xué)習(xí)算法從專家選出的結(jié)構(gòu)中求出最優(yōu)的一個(gè)。這種方法利用專家知識(shí)剔除了大量無意義的網(wǎng)絡(luò)結(jié)構(gòu)，避免了學(xué)習(xí)算法的窮舉搜索，加快了學(xué)習(xí)速度。 (3) 研究了基于知識(shí)的建模理論，，提出了基于案例和規(guī)則推理的貝葉斯網(wǎng)建模方法。將歷史貝葉斯網(wǎng)模型作為案例保存到案例庫中，設(shè)計(jì)了相似度和偏離度兩個(gè)指標(biāo)，當(dāng)面臨新的問題時(shí)，利用案例推理進(jìn)行模型匹配，得到相同或相似的案例，并進(jìn)行案例修正。如果案例推理沒有結(jié)果，系統(tǒng)轉(zhuǎn)向規(guī)則推理繼續(xù)建模過程。這種方法將貝葉斯網(wǎng)作為整體進(jìn)行復(fù)用，提高了貝葉斯網(wǎng)的建模效率。 (4) 闡述了貝葉斯網(wǎng)的建模原則，建立了面向復(fù)雜問題的貝葉斯網(wǎng)建模流程。分為問題分析、模型設(shè)計(jì)和模型測(cè)試三個(gè)階段。問題分析階段通過對(duì)問題的分析，選擇領(lǐng)域?qū)＜�，�?duì)復(fù)雜的問題進(jìn)行任務(wù)分解。模型設(shè)計(jì)階段首先確定相關(guān)的變量，然后分別建模網(wǎng)絡(luò)結(jié)構(gòu)，確定節(jié)點(diǎn)的概率分布。最后用測(cè)試方法測(cè)試模型，修正錯(cuò)誤，直到模型較為準(zhǔn)確為止。同時(shí)還討論了簡(jiǎn)化模型的方法。 (5) 研究了定性貝葉斯網(wǎng)的特點(diǎn)，針對(duì)其推理過程不精確的缺點(diǎn)，提出了帶權(quán)重的定性貝葉斯網(wǎng)，使用一個(gè)數(shù)值權(quán)重描述節(jié)點(diǎn)之間影響力的強(qiáng)弱，在推理時(shí)可以通過權(quán)重之間的運(yùn)
【關(guān)鍵詞】：不確定問題 貝葉斯網(wǎng) 智能決策支持系統(tǒng) 建模 案例推理 供應(yīng)鏈管理
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2006
【分類號(hào)】：C934
【目錄】：

• 摘要7-9
• ABSTRACT9-18
• 第一章 緒論18-28
• 1.1 貝葉斯網(wǎng)的誕生與發(fā)展18-21
• 1.1.1 不確定問題及處理方法18-20
• 1.1.2 概率理論的局限性20
• 1.1.3 貝葉斯網(wǎng)的結(jié)構(gòu)及其特點(diǎn)20-21
• 1.2 貝葉斯網(wǎng)的研究現(xiàn)狀及存在問題21-24
• 1.3 貝葉斯網(wǎng)在管理決策中的應(yīng)用24-25
• 1.3.1 貝葉斯網(wǎng)在決策中的應(yīng)用24
• 1.3.2 基于貝葉斯網(wǎng)智能決策支持系統(tǒng)24-25
• 1.4 論文主要研究內(nèi)容及結(jié)構(gòu)安排25-28
• 1.4.1 研究內(nèi)容25-26
• 1.4.2 結(jié)構(gòu)安排26-28
• 第二章 貝葉斯網(wǎng)結(jié)構(gòu)及推理方法28-44
• 2.1 貝葉斯方法28-29
• 2.2 貝葉斯網(wǎng)的定義與結(jié)構(gòu)29-32
• 2.3 貝葉斯網(wǎng)的精確推理32-39
• 2.3.1 變量消去法33-34
• 2.3.2 超樹的推理方法34-36
• 2.3.3 割集的推理方法36
• 2.3.4 連接樹的推理方法36-39
• 2.4 貝葉斯網(wǎng)的近似推理39
• 2.4.1 基于仿真的方法39
• 2.4.2 基于搜索的方法39
• 2.5 貝葉斯網(wǎng)的擴(kuò)展模型39-43
• 2.5.1 動(dòng)態(tài)貝葉斯網(wǎng)40-41
• 2.5.2 面向?qū)ο蟮呢惾~斯網(wǎng)41
• 2.5.3 定性貝葉斯網(wǎng)41-42
• 2.5.4 決策網(wǎng)42-43
• 2.6 本章小結(jié)43-44
• 第三章 知識(shí)和數(shù)據(jù)融合的貝葉斯網(wǎng)結(jié)構(gòu)建模44-55
• 3.1 貝葉斯網(wǎng)結(jié)構(gòu)的學(xué)習(xí)44-47
• 3.1.1 基于評(píng)分函數(shù)的方法44-47
• 3.1.2 基于約束的方法47
• 3.2 節(jié)點(diǎn)概率分布的學(xué)習(xí)47-49
• 3.3 知識(shí)和數(shù)據(jù)融合的結(jié)構(gòu)建模方法49-54
• 3.3.1 知識(shí)和數(shù)據(jù)的融合方法49-53
• 3.3.2 實(shí)證研究53-54
• 3.4 本章小結(jié)54-55
• 第四章 基于案例和規(guī)則推理的貝葉斯網(wǎng)建模55-72
• 4.1 基于知識(shí)的建模方法55-59
• 4.1.1 建模過程55-57
• 4.1.2 知識(shí)表示方法57-58
• 4.1.3 貝葉斯網(wǎng)生成算法58-59
• 4.2 基于案例和規(guī)則推理的建模過程59-71
• 4.2.1 基于案例推理59-60
• 4.2.2 建模流程60-61
• 4.2.3 案例表示61-62
• 4.2.4 案例檢索62-64
• 4.2.5 案例修正64-71
• 4.3 本章小結(jié)71-72
• 第五章 面向復(fù)雜問題的貝葉斯網(wǎng)建模過程72-81
• 5.1 貝葉斯網(wǎng)建模原則72-73
• 5.2 貝葉斯網(wǎng)建模流程73
• 5.3 建模流程分析73-79
• 5.3.1 問題分析階段73-76
• 5.3.2 模型設(shè)計(jì)階段76-78
• 5.3.3 模型測(cè)試階段78-79
• 5.4 建模中的簡(jiǎn)化方法79-80
• 5.5 本章小結(jié)80-81
• 第六章 帶權(quán)重的定性貝葉斯網(wǎng)81-89
• 6.1 定性貝葉斯網(wǎng)81-84
• 6.1.1 概念描述81-82
• 6.1.2 網(wǎng)絡(luò)推理82-84
• 6.2 帶權(quán)重的定性貝葉斯網(wǎng)84-88
• 6.2.1 影響關(guān)系的定義84-85
• 6.2.2 權(quán)重的獲取85-86
• 6.2.3 修正的運(yùn)算規(guī)則86-87
• 6.2.4 進(jìn)一步擴(kuò)展87-88
• 6.3 本章小結(jié)88-89
• 第七章 貝葉斯網(wǎng)在供應(yīng)鏈管理決策中的應(yīng)用89-99
• 7.1 供應(yīng)鏈管理中的不確定問題89-91
• 7.1.1 需求預(yù)測(cè)90
• 7.1.2 供應(yīng)鏈診斷90
• 7.1.3 風(fēng)險(xiǎn)防范90-91
• 7.2 應(yīng)用貝葉斯網(wǎng)的決策過程91-92
• 7.3 需求預(yù)測(cè)問題的模型92-95
• 7.3.1 問題描述92
• 7.3.2 建模過程92-94
• 7.3.3 仿真運(yùn)算94-95
• 7.4 面向供應(yīng)鏈管理的IDSS框架95-98
• 7.5 本章小結(jié)98-99
• 第八章 總結(jié)與展望99-101
• 8.1 總結(jié)99-100
• 8.2 展望100-101
• 參考文獻(xiàn)101-109
• 攻讀學(xué)位期間的主要研究成果和發(fā)表的論文109-110

【引證文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前7條

1 濮永仙;;貝葉網(wǎng)在農(nóng)業(yè)專家系統(tǒng)中的研究與應(yīng)用[J];安徽農(nóng)業(yè)科學(xué);2011年07期

2 盧文喜;羅建男;龔磊;辛欣;;基于貝葉斯網(wǎng)絡(luò)的地下水環(huán)境系統(tǒng)決策管理研究[J];地學(xué)前緣;2010年06期

3 王昕;徐友全;高妍方;;基于貝葉斯網(wǎng)絡(luò)的大型建設(shè)工程項(xiàng)目風(fēng)險(xiǎn)評(píng)估[J];工程管理學(xué)報(bào);2011年05期

4 羅建男;盧文喜;陳社明;辛欣;;基于貝葉斯網(wǎng)絡(luò)的水環(huán)境管理研究[J];節(jié)水灌溉;2011年03期

5 濮永仙;;貝葉斯決策網(wǎng)在智能決策系統(tǒng)中的應(yīng)用研究[J];計(jì)算機(jī)與數(shù)字工程;2011年08期

6 張會(huì);李子時(shí);徐軍;霍爍爍;;貝葉斯網(wǎng)絡(luò)在通信對(duì)抗系統(tǒng)效能評(píng)估中的應(yīng)用[J];艦船電子工程;2013年05期

7 潘曉東;王春江;黃鎮(zhèn)鴻;張國輝;;作戰(zhàn)重心建模中的條件概率生成方法研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2011年04期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前7條

1 劉家國;基于突發(fā)事件風(fēng)險(xiǎn)的供應(yīng)鏈利益分配與行為決策研究[D];哈爾濱工程大學(xué);2010年

2 蘇謙;移動(dòng)數(shù)據(jù)業(yè)務(wù)客戶忠誠影響因素研究[D];電子科技大學(xué);2011年

3 易靜蓉;制造系統(tǒng)協(xié)調(diào)度綜合評(píng)價(jià)與調(diào)控方法研究[D];華南理工大學(xué);2011年

4 滿君豐;開放網(wǎng)絡(luò)環(huán)境下軟件行為監(jiān)測(cè)與分析研究[D];中南大學(xué);2010年

5 王磊;協(xié)同攻擊任務(wù)規(guī)劃認(rèn)知演化計(jì)算研究[D];國防科學(xué)技術(shù)大學(xué);2010年

6 黃鑫;基于序列數(shù)據(jù)的太陽耀斑預(yù)報(bào)方法研究[D];哈爾濱工業(yè)大學(xué);2010年

7 慕昱;基于數(shù)據(jù)挖掘的核電站故障診斷技術(shù)研究[D];哈爾濱工程大學(xué);2011年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 梁俊秀;基于貝葉斯網(wǎng)絡(luò)的軌道交通系統(tǒng)人因可靠性定量分析方法研究[D];北京交通大學(xué);2010年

2 濮永仙;貝葉斯網(wǎng)在農(nóng)業(yè)專家系統(tǒng)中的應(yīng)用研究[D];云南大學(xué);2010年

3 楊哲;可變自主系統(tǒng)體系結(jié)構(gòu)及用戶模型的研究[D];哈爾濱工程大學(xué);2011年

4 林海玉;MEBN與BKPF相結(jié)合的軟件異常行為預(yù)測(cè)[D];湖南工業(yè)大學(xué);2011年

5 江澍;基于貝葉斯網(wǎng)的醫(yī)院病歷數(shù)據(jù)挖掘研究[D];合肥工業(yè)大學(xué);2008年

6 袁銀麗;面向C~3I的某復(fù)雜武器系統(tǒng)信息化性能評(píng)估技術(shù)研究[D];南京理工大學(xué);2010年

7 葛燕;人機(jī)結(jié)合的貝葉斯網(wǎng)建模方法研究[D];西安理工大學(xué);2009年

8 曾霞;基于貝葉斯網(wǎng)的Web服務(wù)信任模型研究[D];西安工業(yè)大學(xué);2010年

9 張洋洋;基于多Agent技術(shù)的往復(fù)式壓縮機(jī)在線智能診斷系統(tǒng)研究[D];大連理工大學(xué);2012年

10 王美怡;貝葉斯網(wǎng)絡(luò)在不確定性風(fēng)險(xiǎn)決策中的應(yīng)用研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2012年

  本文關(guān)鍵詞：貝葉斯網(wǎng)建模技術(shù)及其在決策中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：317197