發(fā)布時間：2017-10-23 19:34

  本文關鍵詞：離散動態(tài)貝葉斯網(wǎng)絡精確推理的研究與實現(xiàn)

  更多相關文章： 動態(tài)貝葉斯網(wǎng)絡 精確推理 聯(lián)合樹算法 接口算法 libdbn

【摘要】：貝葉斯網(wǎng)絡由于對不確定性問題的良好描述,簡潔的表示以及可行的計算方法,在許多領域得到廣泛的應用。動態(tài)貝葉斯網(wǎng)絡是貝葉斯網(wǎng)絡的拓展形式,主要應用于對時序和序列性數(shù)據(jù)的建模。動態(tài)貝葉斯網(wǎng)絡的特例,HMM和KFM在語音識別,生物基因檢測,以及動態(tài)系統(tǒng)跟蹤等領域得到成熟應用,而針對更一般化的動態(tài)貝葉斯網(wǎng)絡,由于其表示的多樣性,推理和學習的復雜性,并沒有在工業(yè)界得到大規(guī)模的應用。本文首先從貝葉斯網(wǎng)絡理論出發(fā),闡述貝葉斯網(wǎng)絡對現(xiàn)實建模的理論基礎。分別對動態(tài)貝葉斯網(wǎng)絡的三個主要問題,模型的表示,推理和學習問題進行深入研究。列舉出了隱馬爾可夫模型,因子隱馬爾可夫模型,耦合隱馬爾可夫模型,層次隱馬爾可夫模型以及抽象隱馬爾可夫模型等五種離散動態(tài)貝葉斯網(wǎng)絡模型的表示,并給出每個特定結構的具體應用領域。貝葉斯網(wǎng)絡的推理是指觀察到網(wǎng)絡中的變量值,求取其他變量值概率的過程。本文以靜態(tài)貝葉斯網(wǎng)絡的推理為基礎,深入分析了離散動態(tài)貝葉斯網(wǎng)絡的推理算法,根據(jù)貝葉斯網(wǎng)絡的變量消元法,聯(lián)合樹算法,以及HMM的前向后向算法的理論基礎,剖析了適用于一般化動態(tài)貝葉斯網(wǎng)絡的接口算法。之后簡要分析了極大似然估計和EM算法在動態(tài)貝葉斯網(wǎng)絡中參數(shù)學習的使用。最后,依據(jù)本文所涉及的理論基礎,實現(xiàn)了一個用于貝葉斯網(wǎng)絡的表示,推理和學習的計算庫libdbn。libdbn的底層由C++,上層由Python實現(xiàn),它完成了大部分本文中涉及的算法,可以完成適用于離散動態(tài)貝葉斯網(wǎng)絡的建模和概率推理,也進一步地為相關研究人員的深入研究和改進提供了基礎。
【關鍵詞】：動態(tài)貝葉斯網(wǎng)絡 精確推理 聯(lián)合樹算法 接口算法 libdbn
【學位授予單位】：西安電子科技大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP18
【目錄】：

• 摘要5-6
• ABSTRACT6-11
• 符號對照表11-12
• 縮略語對照表12-16
• 第一章 緒論16-32
• 1.1 貝葉斯網(wǎng)絡的研究目的16-22
• 1.1.1 不確定性問題16-17
• 1.1.2 推理系統(tǒng)的概率解釋17-19
• 1.1.3 概率圖模型及其研究內容19-22
• 1.2 貝葉斯網(wǎng)絡的理論基礎22-28
• 1.2.1 貝葉斯網(wǎng)絡模型概述22-23
• 1.2.2 D分隔和條件獨立性23-25
• 1.2.3 無向分隔和團25-27
• 1.2.4 研究現(xiàn)狀27-28
• 1.3 動態(tài)貝葉斯網(wǎng)絡模型及研究內容28-31
• 1.4 本文內容31-32
• 第二章 動態(tài)貝葉斯網(wǎng)絡的表示32-46
• 2.1 靜態(tài)貝葉斯網(wǎng)絡表示32-34
• 2.2 隱變量和動態(tài)貝葉斯網(wǎng)絡表示34-36
• 2.3 HMM及離散動態(tài)貝葉斯網(wǎng)絡的變體36-46
• 2.3.1 HMM36-38
• 2.3.2 Factorial HMM38-39
• 2.3.3 Coupled HMM39-41
• 2.3.4 Hierarchical HMM41-45
• 2.3.5 Abstract HMM45-46
• 第三章 動態(tài)貝葉斯網(wǎng)絡的精確推理46-66
• 3.1 推理算法分類46
• 3.2 基本運算46-47
• 3.3 變量消元法47-50
• 3.4 聯(lián)合樹算法50-60
• 3.4.1 變量消元和聯(lián)合樹算法50
• 3.4.2 消元復雜度和三角化50-52
• 3.4.3 消去順序52-53
• 3.4.4 聯(lián)合樹及構建聯(lián)合樹53-55
• 3.4.5 聯(lián)合樹推理算法和消息傳播55-60
• 3.5 動態(tài)貝葉斯網(wǎng)絡的推理60-66
• 3.5.1 前向后向算法60-61
• 3.5.2 接口算法61-66
• 第四章 貝葉斯網(wǎng)絡的參數(shù)學習66-72
• 4.1 最大似然估計66-68
• 4.2 EM算法68-70
• 4.3 參數(shù)集和動態(tài)網(wǎng)絡參數(shù)學習70-72
• 第五章 貝葉斯網(wǎng)絡推理庫實現(xiàn)72-86
• 5.1 libdbn簡介72-73
• 5.2 實現(xiàn)環(huán)境73-74
• 5.3 核心組件74-78
• 5.4 高級組件78-79
• 5.5 中間接口79-81
• 5.6 高級接口示例81-82
• 5.7 核心組件測試82-86
• 第六章 結論86-88
• 參考文獻88-91
• 致謝91-93
• 作者簡介93-94

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 陳英武;高妍方;;貝葉斯網(wǎng)絡擴展研究綜述[J];控制與決策;2008年10期

2 徐立;;預案分析的貝葉斯網(wǎng)絡方法[J];價值工程;2012年08期

3 胡春玲;;貝葉斯網(wǎng)絡研究綜述[J];合肥學院學報(自然科學版);2013年01期

4 樓宇希;;應用貝葉斯方法縮短可靠性試驗時間[J];現(xiàn)代雷達;1986年01期

5 鄭駿;隨機方法與貝葉斯方法在高新技術中的應用[J];軟科學;1995年01期

6 覃秋梅;張師超;;一類貝葉斯網(wǎng)絡的線性推理[J];計算機科學;1999年10期

7 張琨,徐永紅,王珩,劉鳳玉;用于入侵檢測的貝葉斯網(wǎng)絡[J];小型微型計算機系統(tǒng);2003年05期

8 陳曉懷,程真英,劉春山;動態(tài)測量誤差的貝葉斯建模預報[J];儀器儀表學報;2004年S1期

9 李蕓;;基于貝葉斯信念網(wǎng)絡的數(shù)據(jù)分類挖掘算法[J];計算機科學;2006年09期

10 徐計;張桂蕓;;基于貝葉斯網(wǎng)絡的一種牛奶產(chǎn)量預測研究[J];計算機工程與科學;2008年10期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 David Z.D'Argenio;;貝葉斯方法在實驗室研究向臨床的轉化以及辨識隱含亞群體中的應用(英文)[A];中國藥理學會臨床藥理學專業(yè)委員會會議暨第十次全國臨床藥理學學術會議論文集[C];2007年

2 姜峰;高文;姚鴻勛;;貝葉斯網(wǎng)絡的推理和學習[A];全國網(wǎng)絡與信息安全技術研討會'2005論文集（下冊）[C];2005年

3 丁東洋;劉希陽;;風險分析中的穩(wěn)健貝葉斯方法[A];2011年全國電子信息技術與應用學術會議論文集[C];2011年

4 周桃庚;沙定國;;貝葉斯可靠性序貫驗證試驗方法[A];中國儀器儀表學會第三屆青年學術會議論文集（下）[C];2001年

5 陳曉懷;程真英;劉春山;;動態(tài)測量誤差的貝葉斯建模預報[A];第二屆全國信息獲取與處理學術會議論文集[C];2004年

6 杜鵬英;羅小平;何志明;;貝葉斯網(wǎng)絡的發(fā)展及理論應用[A];第三屆全國虛擬儀器大會論文集[C];2008年

7 楊麗;武海濱;李康;;無金標準診斷試驗評價的貝葉斯方法及應用[A];2011年中國衛(wèi)生統(tǒng)計學年會會議論文集[C];2011年

8 寧鵬達;;貝葉斯方法在風險投資項目決策中的應用[A];第四屆中國科學學與科技政策研究會學術年會論文集（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];中國物理學會高能物理分會第七屆學術年會實驗分會場論文集[C];2006年

10 王增忠;柳玉杰;施建剛;;建筑工程項目全壽命安全管理決策的貝葉斯方法[A];中國優(yōu)選法統(tǒng)籌法與經(jīng)濟數(shù)學研究會第七屆全國會員代表大會暨第七屆中國管理科學學術年會論文集[C];2005年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 闞英男;基于網(wǎng)格近似法的數(shù)控機床貝葉斯可靠性評估研究[D];吉林大學;2015年

2 翟勝;基于貝葉斯網(wǎng)絡的復雜系統(tǒng)可靠分析方法研究與應用[D];天津工業(yè)大學;2016年

3 劉瑞;基于貝葉斯網(wǎng)絡的洪水災害風險評估與建模研究[D];華東師范大學;2016年

4 張潤梅;基于貝葉斯網(wǎng)絡的復雜系統(tǒng)因果關系研究[D];合肥工業(yè)大學;2015年

5 李艷穎;貝葉斯網(wǎng)絡學習及數(shù)據(jù)分類研究[D];西安電子科技大學;2015年

6 賈海洋;貝葉斯網(wǎng)學習若干問題研究[D];吉林大學;2008年

7 黃友平;貝葉斯網(wǎng)絡研究[D];中國科學院研究生院（計算技術研究所）;2005年

8 朱允剛;貝葉斯網(wǎng)學習中若干問題研究及其在信息融合中的應用[D];吉林大學;2012年

9 董立巖;貝葉斯網(wǎng)絡應用基礎研究[D];吉林大學;2007年

10 李小琳;面向智能數(shù)據(jù)處理的貝葉斯網(wǎng)絡研究與應用[D];吉林大學;2005年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 張路路;貝葉斯網(wǎng)絡系統(tǒng)可靠性分析及故障診斷方法研究[D];山東建筑大學;2015年

2 徐冰;基于貝葉斯網(wǎng)絡的傳染病時空預警模型研究[D];長安大學;2015年

3 李艷強;基于不確定理論的酸洗線和鍍鋅線的視情維修策略研究[D];河北工程大學;2015年

4 王蕓;貝葉斯AGARCH模型在我國商業(yè)銀行利率風險度量中的應用[D];南京財經(jīng)大學;2015年

5 侯歡歡;基于貝葉斯網(wǎng)絡城市埋地燃氣管線風險評價研究[D];首都經(jīng)濟貿易大學;2015年

6 王宇;貝葉斯參數(shù)更新在可靠性分析中的應用[D];南京航空航天大學;2014年

7 李福偉;貝葉斯壓縮感知理論與技術[D];電子科技大學;2015年

8 李景囡;基于依賴分析的貝葉斯網(wǎng)絡結構學習算法研究[D];西安電子科技大學;2014年

9 楊祥睿;基于貝葉斯網(wǎng)絡的船撞橋風險評估研究[D];重慶交通大學;2015年

10 湯玉利;貝葉斯反問題的MAP估計及其一致性[D];上海交通大學;2015年

，

本文編號：1085057