本文關(guān)鍵詞：混合貝葉斯網(wǎng)的約簡組合改進(jìn)與高校投入產(chǎn)出預(yù)測(cè)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：教育資源不足仍然是我國現(xiàn)階段高等教育發(fā)展面臨的重要挑戰(zhàn),如何使有限的投入資源發(fā)揮最大作用得到更大產(chǎn)出是各高校面臨的重要問題。高校的投入產(chǎn)出研究有助于反映各高校各項(xiàng)資源的利用情況及存在的問題,從而指引其改善自身資源管理,提高教育質(zhì)量。高校投入產(chǎn)出數(shù)據(jù)指標(biāo)存在廣泛的不確定性,貝葉斯網(wǎng)絡(luò)是解決不確定性知識(shí)推理問題的有力工具。將貝葉斯網(wǎng)應(yīng)用于高校投入產(chǎn)出預(yù)測(cè)研究,出現(xiàn)了下面的問題::1、高校投入產(chǎn)出預(yù)測(cè)研究涉及變量數(shù)目很多,而貝葉斯網(wǎng)絡(luò)的多變量網(wǎng)絡(luò)學(xué)習(xí)是一個(gè)NP-Hard問題;2、高校投入產(chǎn)出預(yù)測(cè)研究中涉及的變量既有離散型隨機(jī)變量,又有連續(xù)型隨機(jī)變量,而傳統(tǒng)貝葉斯網(wǎng)絡(luò)處理含有連續(xù)型隨機(jī)變量網(wǎng)絡(luò)學(xué)習(xí)問題時(shí)常常先將變量進(jìn)行離散化,導(dǎo)致邊緣銳化問題。針對(duì)這兩個(gè)問題,本文提出混合貝葉斯網(wǎng)約簡組合算法用于高校投入產(chǎn)出預(yù)測(cè)研究網(wǎng)絡(luò)的學(xué)習(xí)。主要研究內(nèi)容如下:(1)針對(duì)邊緣銳化問題,將變量進(jìn)行了模糊化處理。對(duì)于既含有實(shí)隨機(jī)變量,又含有混合模糊隨機(jī)性變量的混合貝葉斯網(wǎng)絡(luò)的學(xué)習(xí)推理,給出其結(jié)構(gòu)學(xué)習(xí)、參數(shù)學(xué)習(xí)及網(wǎng)絡(luò)推理方法;(2)針對(duì)多變量網(wǎng)絡(luò)構(gòu)建困難問題,運(yùn)用貝葉斯網(wǎng)約簡組合算法解決。對(duì)現(xiàn)有約簡組合算法進(jìn)行改進(jìn),通過實(shí)驗(yàn)分析證明了改進(jìn)后算法在網(wǎng)絡(luò)學(xué)習(xí)、網(wǎng)絡(luò)評(píng)分、模型訓(xùn)練時(shí)間及推理正確率等方面均優(yōu)于原算法;(3)分別用改進(jìn)后貝葉斯網(wǎng)約簡組合算法和改進(jìn)后混合貝葉斯網(wǎng)約簡組合算法構(gòu)建高校投入產(chǎn)出預(yù)測(cè)推理網(wǎng)絡(luò),比較兩模型的推理正確率,發(fā)現(xiàn)混合貝葉斯網(wǎng)約簡組合算法更適合于處理高校投入產(chǎn)出預(yù)測(cè)推理問題。
【關(guān)鍵詞】：混合貝葉斯網(wǎng)絡(luò) 約簡與組合 高校投入產(chǎn)出 不確定性推理
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：G647;TP18
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-15
• 1.1 研究背景和意義10-12
• 1.2 貝葉斯網(wǎng)絡(luò)的研究現(xiàn)狀12-13
• 1.3 本文的內(nèi)容和組織13-15
• 第二章 貝葉斯網(wǎng)絡(luò)基本理論15-26
• 2.1 貝葉斯網(wǎng)絡(luò)定義15-16
• 2.2 貝葉斯網(wǎng)絡(luò)理論基礎(chǔ)16-20
• 2.2.1 概率論基礎(chǔ)16-18
• 2.2.2 圖論基礎(chǔ)18-19
• 2.2.3 信息論基礎(chǔ)19-20
• 2.3 貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)20-24
• 2.4 貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)24
• 2.5 貝葉斯網(wǎng)絡(luò)推理24-25
• 2.6 本章小結(jié)25-26
• 第三章 混合貝葉斯網(wǎng)約簡組合算法26-44
• 3.1 混合貝葉斯網(wǎng)絡(luò)理論基礎(chǔ)26-33
• 3.1.1 模糊理論基礎(chǔ)26-28
• 3.1.2 模糊概率理論28-32
• 3.1.3 模糊信息論理論32-33
• 3.2 混合網(wǎng)絡(luò)CPT表33-36
• 3.3 混合貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)36-39
• 3.4 混合貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)39-41
• 3.5 混合貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)推理41-43
• 3.6 本章小結(jié)43-44
• 第四章 高校投入產(chǎn)出貝葉斯網(wǎng)絡(luò)建立44-74
• 4.1 高校投入產(chǎn)出預(yù)測(cè)研究數(shù)據(jù)44-49
• 4.2 數(shù)據(jù)預(yù)處理49-52
• 4.3 改進(jìn)的貝葉斯網(wǎng)約簡組合算法52-68
• 4.3.1 問題提出52-53
• 4.3.2 基于因果關(guān)系定義相似度的聚類53-55
• 4.3.3 結(jié)合遺傳算法的貝葉斯子網(wǎng)組合方法55-59
• 4.3.4 改進(jìn)的貝葉斯網(wǎng)約簡組合算法分析59-68
• 4.4 高校投入產(chǎn)出貝葉斯網(wǎng)絡(luò)的構(gòu)建68-73
• 4.4.1 高校投入產(chǎn)出變量聚類68-70
• 4.4.2 高校投入產(chǎn)出貝葉斯子網(wǎng)建立70-71
• 4.4.3 高校投入產(chǎn)出貝葉斯子網(wǎng)組合71-73
• 4.5 本章小結(jié)73-74
• 第五章 高校投入產(chǎn)出混合貝葉斯網(wǎng)絡(luò)建立74-87
• 5.1 改進(jìn)的混合貝葉斯網(wǎng)約簡組合算法74-75
• 5.2 高校投入產(chǎn)出數(shù)據(jù)模糊化處理75-78
• 5.3 高校投入產(chǎn)出混合貝葉斯網(wǎng)絡(luò)的構(gòu)建78-82
• 5.3.1 高校投入產(chǎn)出混合貝葉斯子網(wǎng)建立78-80
• 5.3.2 高校投入產(chǎn)出混合貝葉斯子網(wǎng)組合80-82
• 5.4 高校投入產(chǎn)出混合貝葉斯網(wǎng)絡(luò)應(yīng)用與分析82-86
• 5.5 本章小結(jié)86-87
• 結(jié)論87-88
• 參考文獻(xiàn)88-90
• 攻讀碩士學(xué)位期間取得的研究成果90-91
• 致謝91-92
• 附件92

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前3條

1 張繼國，張文修;模糊隨機(jī)變量及其概率分布[J];模糊系統(tǒng)與數(shù)學(xué);1996年04期

2 陳望宇;廖芹;;基于遺傳算法的貝葉斯網(wǎng)絡(luò)模型研究[J];計(jì)算機(jī)工程與設(shè)計(jì);2009年11期

3 耿直;因果推斷與Simpson悖論[J];統(tǒng)計(jì)與信息論壇;2000年03期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 賈海洋;貝葉斯網(wǎng)學(xué)習(xí)若干問題研究[D];吉林大學(xué);2008年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 秦松;基于改進(jìn)云遺傳算法的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)[D];浙江大學(xué);2012年

2 邱智聰;基于模糊隨機(jī)的貝葉斯網(wǎng)絡(luò)理論與應(yīng)用研究[D];華南理工大學(xué);2012年

3 巫炳偉;混合不確定性貝葉斯網(wǎng)絡(luò)的學(xué)習(xí)模型及其R軟件的輔助實(shí)現(xiàn)[D];華南理工大學(xué);2013年

4 王國勇;基于多子網(wǎng)優(yōu)化組合的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)與學(xué)習(xí)模型研究[D];華南理工大學(xué);2013年

  本文關(guān)鍵詞：混合貝葉斯網(wǎng)的約簡組合改進(jìn)與高校投入產(chǎn)出預(yù)測(cè)研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：396918