在人工智能范圍中,不確定性推理泛指除精確推理以外的其它各種推理問題。包括不完備、不精確知識的推理、模糊知識的推理、非單調(diào)性推理等。在眾多不確定性推理方法中,貝葉斯網(wǎng)(Bayesian belief networks)是屬于一種基于模型的內(nèi)涵方法。簡單來講,它提供了特定領(lǐng)域知識的一種模型表示以及基于這種模型的若干種學(xué)習和推理機制,用于建立模型并回答與這些領(lǐng)域知識相關(guān)的問詢,并在此基礎(chǔ)上進行輔助預(yù)測、決策及分析。自貝葉斯網(wǎng)出現(xiàn)以來,其推理計算一直是人工智能中研究的熱點和難點之一。貝葉斯網(wǎng)推理方法分為精確和近似兩大類。聯(lián)結(jié)樹方法是一種經(jīng)典的貝葉斯網(wǎng)精確推理方法,在貝葉斯網(wǎng)推理中具有重要地位。聯(lián)結(jié)樹算法首先對貝葉斯網(wǎng)進行三角化,再轉(zhuǎn)換為聯(lián)結(jié)樹,然后在聯(lián)結(jié)樹上進行信念傳播,完成推理計算。將貝葉斯網(wǎng)以最優(yōu)形式進行三角化,以使推理計算效率最高,是聯(lián)結(jié)樹算法的關(guān)鍵所在。對于給定的貝葉斯網(wǎng)絡(luò),尋找一個三角化圖,使得其中的最大團簇的所含節(jié)點數(shù)最少,這類最優(yōu)三角化問題稱作樹寬度(tree width)問題;另一類最優(yōu)三角化問題稱作樹費用(tree cost)問題,其目標是使得三角化圖中所有團簇的狀態(tài)空間最小,...

【文章頁數(shù)】：49 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 研究現(xiàn)狀
    1.3 應(yīng)用領(lǐng)域
        1.3.1 在醫(yī)學(xué)和公共衛(wèi)生領(lǐng)域的應(yīng)用
        1.3.2 在信息識別領(lǐng)域的應(yīng)用
        1.3.3 在圖像分析方面的應(yīng)用
    1.4 本文組織結(jié)構(gòu)
第2章 貝葉斯網(wǎng)最優(yōu)三角化問題
    2.1 問題簡述
    2.2 搜索樹
第3章 求解最優(yōu)三角化問題的Best-First-Search算法
    3.1 算法概述
        3.1.1 符號和定義
        3.1.2 Best-First-Search算法框架
        3.1.3 啟發(fā)式函數(shù)的設(shè)計
        3.1.4 評估策略的設(shè)計
    3.2 實驗結(jié)果及分析
        3.2.1 實驗環(huán)境及數(shù)據(jù)描述
        3.2.2 實驗測試結(jié)果及分析
    3.3 本章小結(jié)
第4章 應(yīng)用最優(yōu)三角化的推理診斷軟件設(shè)計實現(xiàn)
    4.1 貝葉斯網(wǎng)編輯和推理軟件
        4.1.1 設(shè)計目標
        4.1.2 需求分析
        4.1.3 總體設(shè)計
        4.1.4 詳細設(shè)計
        4.1.5 運行界面
    4.2 打印故障輔助診斷程序
        4.2.1 設(shè)計目標
        4.2.2 需求分析
        4.2.3 總體設(shè)計
        4.2.4 詳細設(shè)計
        4.2.5 運行界面
    4.3 本章小結(jié)
第5章 總結(jié)與展望
參考文獻
致謝



本文編號：4013989