【摘要】：貝葉斯網(wǎng)絡(luò)是處理不確定性問(wèn)題的有效方法之一,其具有內(nèi)在嚴(yán)密的概率推理和直觀的圖形化表示等特點(diǎn),被廣泛應(yīng)用于人工智能和機(jī)器學(xué)習(xí)等領(lǐng)域。在當(dāng)今數(shù)據(jù)大爆炸時(shí)代,傳統(tǒng)的依靠專家知識(shí)構(gòu)建貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的方法已不能滿足快速精準(zhǔn)學(xué)習(xí)的需求。如何從數(shù)據(jù)中有效地學(xué)習(xí)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)引起眾多專家學(xué)者的研究興趣。使用爬山搜索策略的K2算法作為一種經(jīng)典的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法,已經(jīng)得到廣泛的應(yīng)用。但K2算法對(duì)變量序列和最大父節(jié)點(diǎn)數(shù)具有強(qiáng)烈的依賴性,不同的最大父節(jié)點(diǎn)數(shù)對(duì)貝葉斯網(wǎng)絡(luò)的學(xué)習(xí)效果差別不顯著,而不同的變量序列會(huì)極大地影響貝葉斯網(wǎng)絡(luò)的學(xué)習(xí)效率,因此如何尋找較優(yōu)的變量序列有著重要的研究?jī)r(jià)值。本文以構(gòu)建K2算法中變量序列的評(píng)價(jià)函數(shù)為研究目標(biāo),首先基于廣度優(yōu)先搜索的Kahn算法和深度優(yōu)先搜索的Tarjan算法,對(duì)標(biāo)準(zhǔn)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行圖的遍歷以得到較優(yōu)的變量序列,分析各序列的K2-CH評(píng)分和互信息評(píng)分的屬性,尋找較優(yōu)序列的共性,在此基礎(chǔ)上提出新的變量序列的評(píng)價(jià)函數(shù),然后以此評(píng)分函數(shù)作為新的適應(yīng)度函數(shù),在變量構(gòu)成的空間內(nèi),以遺傳搜索來(lái)尋找較優(yōu)的變量序列,我們稱此算法為Chain-KMGA算法。實(shí)驗(yàn)結(jié)果表明,通過(guò)Chain-KMGA算法學(xué)習(xí)到的貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)較優(yōu),具體表現(xiàn)在網(wǎng)絡(luò)的評(píng)分值較高,且可以學(xué)習(xí)到更多的正確邊和較少的錯(cuò)誤邊,同時(shí)ChainKMGA算法的運(yùn)行時(shí)間較少,該算法具有較高的學(xué)習(xí)效率,其所學(xué)習(xí)到的貝葉斯網(wǎng)絡(luò)評(píng)分值與變量序列評(píng)分值具有較強(qiáng)的正相關(guān)性,即隨著變量序列評(píng)分值的增加,貝葉斯網(wǎng)絡(luò)的評(píng)分值也在對(duì)應(yīng)的增加,因此Chain-KMGA算法能夠搜索到較優(yōu)變量序列,Chain-KMGA算法構(gòu)建的貝葉斯網(wǎng)絡(luò)具有較高的學(xué)習(xí)效率。
【學(xué)位授予單位】：西北農(nóng)林科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 郭艷;朱建青;袁野;;不確定變量序列依測(cè)度收斂研究[J];鄭州大學(xué)學(xué)報(bào)(理學(xué)版);2014年03期

2 袁野;朱建青;郭艷;;不確定變量序列依r階收斂的若干性質(zhì)[J];蘇州科技學(xué)院學(xué)報(bào)(自然科學(xué)版);2014年04期

3 閆廣州;張麗娜;;獨(dú)立粗糙變量序列的一類強(qiáng)極限定理[J];模糊系統(tǒng)與數(shù)學(xué);2009年06期

4 郭海英;王小勝;陳丹;;不確定變量序列均方收斂的充分必要條件[J];模糊系統(tǒng)與數(shù)學(xué);2016年01期

5 王小勝;郭海英;;獨(dú)立粗糙變量序列的強(qiáng)收斂性[J];模糊系統(tǒng)與數(shù)學(xué);2007年05期

6 雷平;;基于多變量序列分量方差分析模型的國(guó)內(nèi)旅游需求影響因素研究[J];軟科學(xué);2008年08期

7 王小勝;郭海英;;獨(dú)立模糊變量序列的幾個(gè)極限定理[J];模糊系統(tǒng)與數(shù)學(xué);2008年05期

8 牛瑾琦;曹鴻興;蔡秀華;;列序分析及其對(duì)空氣污染的應(yīng)用[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2016年17期

9 蔡秀華;曹鴻興;呂行;;列序分析在大氣環(huán)境污染分析中的應(yīng)用[J];氣象科技;2013年03期

10 王浩華;王志剛;;不確定變量序列的雙重極限性[J];模糊系統(tǒng)與數(shù)學(xué);2013年01期

相關(guān)博士學(xué)位論文 前1條

1 王小勝;不確定統(tǒng)計(jì)的若干問(wèn)題及應(yīng)用研究[D];江蘇大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 張瑞麗;模糊變量序列的收斂性[D];河北大學(xué);2019年

2 張凱茜;基于節(jié)點(diǎn)排序的尋優(yōu)函數(shù)在貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)中的理論研究[D];西北農(nóng)林科技大學(xué);2019年

3 李國(guó)洋;基于互信息的變量序列模型在貝葉斯網(wǎng)絡(luò)學(xué)習(xí)中的理論研究[D];西北農(nóng)林科技大學(xué);2018年

4 閆麗娟;不確定序列的依p-階距離收斂性[D];河北大學(xué);2017年

5 袁野;不確定變量序列r階收斂與二重收斂[D];蘇州科技學(xué)院;2014年

6 夏陽(yáng);不確定變量序列的收斂性[D];蘇州科技學(xué)院;2011年

7 郁明星;隨機(jī)模糊變量序列的收斂性[D];南京理工大學(xué);2007年

8 王亞楠;基于儲(chǔ)備池方法的多變量序列預(yù)測(cè)建模研究[D];大連理工大學(xué);2009年

9 謝雙樂(lè);海鐵聯(lián)運(yùn)對(duì)港口腹地的影響研究[D];西南交通大學(xué);2013年

10 趙忠校;基于時(shí)間序列的重慶市PM2.5演變規(guī)律分析[D];重慶理工大學(xué);2015年

，

本文編號(hào)：2623948