本文選題：貝葉斯網(wǎng)絡(luò) + 知識(shí)獲取��； 參考：《東北大學(xué)》2015年博士論文

【摘要】：近年來(lái),貝葉斯網(wǎng)絡(luò)因?yàn)槠湓诓淮_定環(huán)境下知識(shí)表示、推理的能力,成為不確定性人工智能的研究熱點(diǎn),為管理中的不確定性決策問(wèn)題提供有效的工具和方法。目前為貝葉斯網(wǎng)絡(luò)開(kāi)辟新應(yīng)用方向的理論研究成為異常活躍的研究領(lǐng)域,主要包括貝葉斯網(wǎng)絡(luò)學(xué)習(xí)和推理,其中貝葉斯網(wǎng)絡(luò)學(xué)習(xí)包括結(jié)構(gòu)學(xué)習(xí)和參數(shù)學(xué)習(xí)。傳統(tǒng)的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)方法主要分為基于專家知識(shí)和基于數(shù)據(jù)集兩種類型,是從不同形態(tài)的知識(shí)源中挖掘問(wèn)題域中表現(xiàn)為變量依賴關(guān)系的知識(shí),進(jìn)行知識(shí)表示來(lái)確定網(wǎng)絡(luò)結(jié)構(gòu)的過(guò)程。因此,貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)的過(guò)程是一個(gè)知識(shí)獲取的過(guò)程,其本質(zhì)是機(jī)器學(xué)習(xí)方法的研究。但是基于數(shù)據(jù)集的學(xué)習(xí)方法具有一定的困難,已經(jīng)證明搜索最優(yōu)的網(wǎng)絡(luò)結(jié)構(gòu)是一個(gè)NP-hard問(wèn)題,而基于專家知識(shí)的貝葉斯網(wǎng)絡(luò)學(xué)習(xí)具有一定的主觀性。為了解決傳統(tǒng)結(jié)構(gòu)學(xué)習(xí)方法的問(wèn)題,使計(jì)算機(jī)具有人的知識(shí)獲取能力,為學(xué)習(xí)方法開(kāi)發(fā)智能的計(jì)算模型,是對(duì)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)方法提出的新要求。本文在貝葉斯網(wǎng)絡(luò)理論研究的基礎(chǔ)上,根據(jù)認(rèn)知科學(xué)人工智能領(lǐng)域的新發(fā)展要求,以從不同形態(tài)的知識(shí)源中自動(dòng)進(jìn)行知識(shí)獲取以及知識(shí)表示為目的,通過(guò)引入雙庫(kù)協(xié)同認(rèn)知機(jī)制進(jìn)行數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn),以及基于強(qiáng)相關(guān)邏輯進(jìn)行的知識(shí)庫(kù)中知識(shí)發(fā)現(xiàn),研究能夠模仿人類認(rèn)知活動(dòng)自動(dòng)地進(jìn)行知識(shí)獲取并表示的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)方法。針對(duì)問(wèn)題域中具有完備數(shù)據(jù)集的情況,提出基于多值屬性關(guān)聯(lián)規(guī)則挖掘算法(Mqars)的結(jié)構(gòu)學(xué)習(xí)方法；針對(duì)問(wèn)題域中數(shù)據(jù)缺乏的情況,提出基于強(qiáng)相關(guān)邏輯的結(jié)構(gòu)學(xué)習(xí)方法。最后分別用兩種具有認(rèn)知特性的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)方法對(duì)上市公司財(cái)務(wù)預(yù)警問(wèn)題和產(chǎn)業(yè)集群衰退問(wèn)題建模進(jìn)行實(shí)證研究。具體的研究?jī)?nèi)容包括：(1)分析貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)的本質(zhì),針對(duì)傳統(tǒng)方法的問(wèn)題和人工智能領(lǐng)域的新要求,提出本文的研究問(wèn)題和研究目的。對(duì)貝葉斯網(wǎng)絡(luò)理論研究框架進(jìn)行深入研究,分析貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)的本質(zhì)；通過(guò)對(duì)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)方法的研究現(xiàn)狀,分析兩類傳統(tǒng)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)方法的問(wèn)題；綜述認(rèn)知科學(xué)的人工智能領(lǐng)域新的發(fā)展要求,提出本文所研究的問(wèn)題。(2)針對(duì)完備數(shù)據(jù)集的問(wèn)題域,提出具有認(rèn)知自主性的基于Mqars算法的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)方法。首先,為了實(shí)現(xiàn)了數(shù)據(jù)庫(kù)與知識(shí)庫(kù)的互操作,提出了一系列定義和定理搭建研究的理論框架,這是使方法具有認(rèn)知特性的基礎(chǔ)；然后,針對(duì)各個(gè)流程提出一系列子算法進(jìn)行知識(shí)獲取并將知識(shí)表示為貝葉斯網(wǎng)絡(luò),包括基于粗糙集、核主成分分析、粗糙集核主成分分析的先驗(yàn)知識(shí)提取約簡(jiǎn)方法、基于粗糙集的多值屬性關(guān)聯(lián)規(guī)則算法(Mqars)和因果關(guān)系關(guān)聯(lián)規(guī)則的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)表示方法。(3)提出基于強(qiáng)相關(guān)邏輯的貝葉斯網(wǎng)絡(luò)(strong relevant logic-Bayesian networks,簡(jiǎn)稱SRL-BNs)以及基于SRL-BNs的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)方法。從貝葉斯網(wǎng)絡(luò)的底層邏輯出發(fā),針對(duì)現(xiàn)有的貝葉斯網(wǎng)絡(luò)的概率邏輯模型存在的問(wèn)題,構(gòu)建基于強(qiáng)相關(guān)邏輯的貝葉斯網(wǎng)絡(luò)形式化的表示系統(tǒng),用確定子句邏輯的語(yǔ)言定義了貝葉斯網(wǎng)絡(luò)的組件,并給出了宣言式的語(yǔ)義。給出了基于SRL-BNs的結(jié)構(gòu)學(xué)習(xí)方法的具體算法,該算法能夠自動(dòng)的進(jìn)行知識(shí)庫(kù)中的知識(shí)發(fā)現(xiàn),針對(duì)不完備數(shù)據(jù)集和缺乏數(shù)據(jù)問(wèn)題域,能夠自動(dòng)獲取知識(shí)并表示成貝葉斯網(wǎng)絡(luò)結(jié)構(gòu),是一個(gè)具有認(rèn)知特性的自動(dòng)化的機(jī)器學(xué)習(xí)工具。最后通過(guò)一個(gè)實(shí)例分析SRL-BNs的組件及其建模過(guò)程。(4)建立基于貝葉斯網(wǎng)絡(luò)的財(cái)務(wù)預(yù)警模型進(jìn)行上市公司財(cái)務(wù)預(yù)警問(wèn)題的研究。對(duì)問(wèn)題的研究背景、研究意義及研究現(xiàn)狀、研究方法進(jìn)行綜述,收集樣本并在真實(shí)的數(shù)據(jù)上訓(xùn)練貝葉斯網(wǎng)絡(luò)財(cái)務(wù)預(yù)警模型的結(jié)構(gòu)和參數(shù),在結(jié)構(gòu)學(xué)習(xí)上利用基于Mqars算法的貝葉斯網(wǎng)結(jié)構(gòu)學(xué)習(xí)方法,用構(gòu)建的模型進(jìn)行預(yù)測(cè),分析預(yù)測(cè)結(jié)果并得出結(jié)論。(5)建立基于強(qiáng)相關(guān)邏輯貝葉斯網(wǎng)絡(luò)的產(chǎn)業(yè)集群衰退模型。分析產(chǎn)業(yè)集群衰退問(wèn)題的研究現(xiàn)狀,進(jìn)行了產(chǎn)業(yè)集群衰退預(yù)測(cè)建模的實(shí)證研究,構(gòu)建產(chǎn)業(yè)集群衰退風(fēng)險(xiǎn)因素的知識(shí)庫(kù),用基于SRL-BNs的結(jié)構(gòu)學(xué)習(xí)方法進(jìn)行結(jié)構(gòu)建模,采集真實(shí)的數(shù)據(jù)作為樣本訓(xùn)練模型參數(shù),并預(yù)測(cè)衰退的概率,分析預(yù)測(cè)結(jié)果。本文的主旨是針對(duì)具體問(wèn)題域的特點(diǎn),將貝葉斯網(wǎng)絡(luò)學(xué)習(xí)的過(guò)程模仿人類認(rèn)知過(guò)程進(jìn)行知識(shí)獲取的過(guò)程,提出一系列具有認(rèn)知特性的機(jī)器學(xué)習(xí)方法進(jìn)行貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí),并用實(shí)例研究證明方法的可行性。
[Abstract]:In recent years , the Bayesian network has become an active research field because of its knowledge representation and reasoning ability in uncertain environment , and provides effective tools and methods for uncertain decision - making in management .
Aiming at the lack of data in the problem domain , a structure learning method based on strong correlation logic is put forward . Finally , two kinds of Bayesian network structure learning methods with cognitive characteristics are used to study the financial early warning problem and the industry cluster decline problem modeling .
Based on the research situation of Bayesian network structure learning method , two types of traditional Bayesian network structure learning methods are analyzed .
In order to realize the mutual operation of the database and the knowledge base , a series of definitions and theorems are proposed to build the theoretical framework of the research , which is the foundation for the method to have cognitive characteristics .
In this paper , based on rough set , kernel principal component analysis , rough set kernel principal component analysis and Bayesian network structure learning method based on rough set , this paper constructs a Bayesian network structure learning method based on strong correlation logic .

【學(xué)位授予單位】：東北大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：O212.8;F275

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉樂(lè)平;高磊;盧志義;;貝葉斯身世之謎——寫(xiě)在貝葉斯定理發(fā)表250周年之際[J];統(tǒng)計(jì)研究;2013年12期

2 云連英;汪榮偉;;保費(fèi)調(diào)整的貝葉斯方法[J];統(tǒng)計(jì)與決策;2006年05期

3 游頂云;李康;;貝葉斯網(wǎng)絡(luò)方法在基因調(diào)控研究中的應(yīng)用[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2009年01期

4 閔素芹;李群;;分層線性模型中的經(jīng)驗(yàn)貝葉斯與完全貝葉斯方法及其比較[J];統(tǒng)計(jì)與決策;2010年11期

5 胡春玲;;貝葉斯網(wǎng)絡(luò)研究綜述[J];合肥學(xué)院學(xué)報(bào)(自然科學(xué)版);2013年01期

6 丁以華;;貝葉斯方法的發(fā)展及其存在問(wèn)題[J];質(zhì)量與可靠性;1986年01期

7 吳伯賢;;貝葉斯方法在洪水頻率分析中的應(yīng)用[J];成都科技大學(xué)學(xué)報(bào);1990年01期

8 陶波;蘇德清;王玲玲;費(fèi)鶴良;;關(guān)于元件失效率等級(jí)鑒定試驗(yàn)的一種貝葉斯方法[J];應(yīng)用概率統(tǒng)計(jì);1990年03期

9 張堯庭;應(yīng)積極開(kāi)展對(duì)貝葉斯學(xué)派的介紹和研究[J];統(tǒng)計(jì)研究;1992年04期

10 鄭駿;隨機(jī)方法與貝葉斯方法在高新技術(shù)中的應(yīng)用[J];軟科學(xué);1995年01期

相關(guān)會(huì)議論文 前10條

1 David Z.D'Argenio;;貝葉斯方法在實(shí)驗(yàn)室研究向臨床的轉(zhuǎn)化以及辨識(shí)隱含亞群體中的應(yīng)用(英文)[A];中國(guó)藥理學(xué)會(huì)臨床藥理學(xué)專業(yè)委員會(huì)會(huì)議暨第十次全國(guó)臨床藥理學(xué)學(xué)術(shù)會(huì)議論文集[C];2007年

2 姜峰;高文;姚鴻勛;;貝葉斯網(wǎng)絡(luò)的推理和學(xué)習(xí)[A];全國(guó)網(wǎng)絡(luò)與信息安全技術(shù)研討會(huì)'2005論文集（下冊(cè)）[C];2005年

3 丁東洋;劉希陽(yáng);;風(fēng)險(xiǎn)分析中的穩(wěn)健貝葉斯方法[A];2011年全國(guó)電子信息技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2011年

4 周桃庚;沙定國(guó);;貝葉斯可靠性序貫驗(yàn)證試驗(yàn)方法[A];中國(guó)儀器儀表學(xué)會(huì)第三屆青年學(xué)術(shù)會(huì)議論文集（下）[C];2001年

5 陳曉懷;程真英;劉春山;;動(dòng)態(tài)測(cè)量誤差的貝葉斯建模預(yù)報(bào)[A];第二屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

6 杜鵬英;羅小平;何志明;;貝葉斯網(wǎng)絡(luò)的發(fā)展及理論應(yīng)用[A];第三屆全國(guó)虛擬儀器大會(huì)論文集[C];2008年

7 楊麗;武海濱;李康;;無(wú)金標(biāo)準(zhǔn)診斷試驗(yàn)評(píng)價(jià)的貝葉斯方法及應(yīng)用[A];2011年中國(guó)衛(wèi)生統(tǒng)計(jì)學(xué)年會(huì)會(huì)議論文集[C];2011年

8 寧鵬達(dá);;貝葉斯方法在風(fēng)險(xiǎn)投資項(xiàng)目決策中的應(yīng)用[A];第四屆中國(guó)科學(xué)學(xué)與科技政策研究會(huì)學(xué)術(shù)年會(huì)論文集（Ⅰ）[C];2008年

9 朱永生;;貝葉斯方法確定泊松變量的置信上限[A];中國(guó)物理學(xué)會(huì)高能物理分會(huì)第七屆學(xué)術(shù)年會(huì)實(shí)驗(yàn)分會(huì)場(chǎng)論文集[C];2006年

10 王增忠;柳玉杰;施建剛;;建筑工程項(xiàng)目全壽命安全管理決策的貝葉斯方法[A];中國(guó)優(yōu)選法統(tǒng)籌法與經(jīng)濟(jì)數(shù)學(xué)研究會(huì)第七屆全國(guó)會(huì)員代表大會(huì)暨第七屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2005年

相關(guān)博士學(xué)位論文 前10條

1 翟勝;基于貝葉斯網(wǎng)絡(luò)的復(fù)雜系統(tǒng)可靠分析方法研究與應(yīng)用[D];天津工業(yè)大學(xué);2016年

2 劉瑞;基于貝葉斯網(wǎng)絡(luò)的洪水災(zāi)害風(fēng)險(xiǎn)評(píng)估與建模研究[D];華東師范大學(xué);2016年

3 張潤(rùn)梅;基于貝葉斯網(wǎng)絡(luò)的復(fù)雜系統(tǒng)因果關(guān)系研究[D];合肥工業(yè)大學(xué);2015年

4 李艷穎;貝葉斯網(wǎng)絡(luò)學(xué)習(xí)及數(shù)據(jù)分類研究[D];西安電子科技大學(xué);2015年

5 趙建U，

本文編號(hào)：1754944