【摘要】：貝葉斯網(wǎng)絡(luò)是處理不確定性問題的有效方法之一,其具有內(nèi)在嚴密的概率推理和直觀的圖形化表示等特點,被廣泛應用于人工智能和機器學習等領(lǐng)域。在當今數(shù)據(jù)大爆炸時代,傳統(tǒng)的依靠專家知識構(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學習的需求。如何從數(shù)據(jù)中有效地學習貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)引起眾多專家學者的研究興趣。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)學習算法,已經(jīng)得到廣泛的應用。但K2算法對變量序列和最大父節(jié)點數(shù)具有強烈的依賴性,不同的最大父節(jié)點數(shù)對貝葉斯網(wǎng)絡(luò)的學習效果差別不顯著,而不同的變量序列會極大地影響貝葉斯網(wǎng)絡(luò)的學習效率,因此如何尋找較優(yōu)的變量序列有著重要的研究價值。本文以構(gòu)建K2算法中變量序列的評價函數(shù)為研究目標,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,對標準網(wǎng)絡(luò)結(jié)構(gòu)進行圖的遍歷以得到較優(yōu)的變量序列,分析各序列的K2-CH評分和互信息評分的屬性,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價函數(shù),然后以此評分函數(shù)作為新的適應度函數(shù),在變量構(gòu)成的空間內(nèi),以遺傳搜索來尋找較優(yōu)的變量序列,我們稱此算法為Chain-KMGA算法。實驗結(jié)果表明,通過Chain-KMGA算法學習到的貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)較優(yōu),具體表現(xiàn)在網(wǎng)絡(luò)的評分值較高,且可以學習到更多的正確邊和較少的錯誤邊,同時ChainKMGA算法的運行時間較少,該算法具有較高的學習效率,其所學習到的貝葉斯網(wǎng)絡(luò)評分值與變量序列評分值具有較強的正相關(guān)性,即隨著變量序列評分值的增加,貝葉斯網(wǎng)絡(luò)的評分值也在對應的增加,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)具有較高的學習效率。
【學位授予單位】：西北農(nóng)林科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP18

【相似文獻】

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度收斂研究[J];鄭州大學學報(理學版);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];蘇州科技學院學報(自然科學版);2014年04期

3 閆廣州;張麗娜;;獨立粗糙變量序列的一類強極限定理[J];模糊系統(tǒng)與數(shù)學;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;2016年01期

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

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

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

8 牛瑾琦;曹鴻興;蔡秀華;;列序分析及其對空氣污染的應用[J];數(shù)學的實踐與認識;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;2013年01期

相關(guān)博士學位論文 前1條

1 王小勝;不確定統(tǒng)計的若干問題及應用研究[D];江蘇大學;2010年

相關(guān)碩士學位論文 前10條

1 張瑞麗;模糊變量序列的收斂性[D];河北大學;2019年

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

3 李國洋;基于互信息的變量序列模型在貝葉斯網(wǎng)絡(luò)學習中的理論研究[D];西北農(nóng)林科技大學;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;2017年

5 袁野;不確定變量序列r階收斂與二重收斂[D];蘇州科技學院;2014年

6 夏陽;不確定變量序列的收斂性[D];蘇州科技學院;2011年

7 郁明星;隨機模糊變量序列的收斂性[D];南京理工大學;2007年

8 王亞楠;基于儲備池方法的多變量序列預測建模研究[D];大連理工大學;2009年

9 謝雙樂;海鐵聯(lián)運對港口腹地的影響研究[D];西南交通大學;2013年

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

，

本文編號：2623948