本文關(guān)鍵詞：基于核獨(dú)立成分分析的缺失數(shù)據(jù)下貝葉斯網(wǎng)絡(luò)學(xué)習(xí)算法研究

  更多相關(guān)文章： 貝葉斯網(wǎng)絡(luò) 缺失數(shù)據(jù) 核獨(dú)立成分分析 不完全Cholesky分解

【摘要】：二十一世紀(jì)是數(shù)據(jù)和信息化的時(shí)代,各類數(shù)據(jù)庫和信息系統(tǒng)的建立提高了人類分析數(shù)據(jù)并進(jìn)行決策的能力。由于數(shù)據(jù)量的急速增加,如何從大規(guī)模數(shù)據(jù)中挖掘出數(shù)據(jù)所蘊(yùn)含的信息成為了一項(xiàng)重要的研究課題。貝葉斯網(wǎng)絡(luò)(Bayesian Networks, BN)是一種將概率論運(yùn)用于不確定性推理的工具,它是概率統(tǒng)計(jì)與圖論相結(jié)合的一種概率圖模型(Probabilistic Graphical Models)。貝葉斯網(wǎng)絡(luò)清晰地表達(dá)了各個(gè)節(jié)點(diǎn)之間的因果關(guān)系,能夠利用現(xiàn)有數(shù)據(jù)分析不確定事件發(fā)生的概率。貝葉斯網(wǎng)絡(luò)的一大優(yōu)勢(shì)是可以利用先驗(yàn)知識(shí)進(jìn)行學(xué)習(xí)。在生物實(shí)驗(yàn)中,由于實(shí)驗(yàn)技術(shù)等原因會(huì)出現(xiàn)缺失數(shù)據(jù),對(duì)缺失數(shù)據(jù)處理不當(dāng)會(huì)影響數(shù)據(jù)分析的結(jié)論,最簡(jiǎn)單的方法是去掉具有缺失數(shù)據(jù)的樣本,但這一方法會(huì)降低數(shù)據(jù)的信息量,有可能會(huì)造成重要結(jié)果的丟失。常用的不完整數(shù)據(jù)中網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)的方法需要進(jìn)行反復(fù)迭代計(jì)算,需要耗費(fèi)較長(zhǎng)的時(shí)間。本文首先介紹了貝葉斯理論和貝葉斯網(wǎng)絡(luò)的研究背景,并對(duì)貝葉斯網(wǎng)絡(luò)的基本定義和理論進(jìn)行了分析介紹。本文基于核獨(dú)立成分分析(Kernel independent component analysis, KICA)的思想以及矩陣的不完全Cholesky分解的算法設(shè)計(jì)了一種貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的評(píng)分函數(shù),該函數(shù)能夠在缺失數(shù)據(jù)下直接對(duì)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行評(píng)分而避免進(jìn)行補(bǔ)齊缺失數(shù)據(jù)的相關(guān)步驟,從而提高了計(jì)算的效率以及學(xué)習(xí)結(jié)果的可靠性。在理論分析的基礎(chǔ)上,本文實(shí)現(xiàn)了這種評(píng)分函數(shù),編寫了一個(gè)基于這一評(píng)分函數(shù)的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法,并在異質(zhì)深度測(cè)序數(shù)據(jù)上進(jìn)行了基因表達(dá)調(diào)控網(wǎng)絡(luò)的構(gòu)建。本文的程序在讀取含有缺失數(shù)據(jù)的異質(zhì)深度測(cè)序數(shù)據(jù)之后,能夠直接利用該數(shù)據(jù)對(duì)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行評(píng)分,并且能夠根據(jù)貝葉斯等價(jià)類理論以及生物調(diào)控網(wǎng)絡(luò)的反饋現(xiàn)象將學(xué)習(xí)出的有向無環(huán)圖(DAG)轉(zhuǎn)換為部分有向無環(huán)圖(PDAG)。最后將學(xué)習(xí)結(jié)果與標(biāo)準(zhǔn)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行比較,利用Jaccard相似度衡量本文學(xué)習(xí)的網(wǎng)絡(luò)和標(biāo)準(zhǔn)網(wǎng)絡(luò)的相似度,證明本文提出的算法的有效性。
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP18

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 邢婧;;缺失數(shù)據(jù)情形下諧波參數(shù)估計(jì)的研究現(xiàn)狀[J];信息通信;2014年03期

2 沈奇;王池社;;生物缺失數(shù)據(jù)處理的貝葉斯模型研究[J];微電子學(xué)與計(jì)算機(jī);2011年07期

3 劉星毅;曾春華;江南雨;陳振華;韋小玲;;缺失數(shù)據(jù)的處理和挑戰(zhàn)[J];欽州學(xué)院學(xué)報(bào);2008年06期

4 孫亞;;ITS采集交通信息缺失數(shù)據(jù)修復(fù)策略及模型研究[J];黑龍江科技信息;2013年15期

5 肖靜;駱如九;宋雯;湯在祥;徐辰武;;帶有缺失數(shù)據(jù)的一種動(dòng)態(tài)聚類方法[J];中國農(nóng)業(yè)科學(xué);2012年21期

6 周秀梅;李作春;覃澤;;有序填充微陣列缺失數(shù)據(jù)[J];計(jì)算機(jī)工程與應(yīng)用;2009年22期

7 張廣興;石治國;余宗敏;;基于B-樣條自由節(jié)點(diǎn)的外測(cè)缺失數(shù)據(jù)重構(gòu)方法[J];測(cè)控技術(shù);2013年09期

8 郝勝軒;宋宏;周曉鋒;;基于近鄰噪聲處理的KNN缺失數(shù)據(jù)填補(bǔ)算法[J];計(jì)算機(jī)仿真;2014年07期

9 馮志蘭,劉桂芬,劉力生,郝建生;缺失數(shù)據(jù)的多重估算[J];中國衛(wèi)生統(tǒng)計(jì);2005年05期

10 黃華東;方小勇;陳政;洪俊;黃櫻;;一種基于RBF的時(shí)序缺失數(shù)據(jù)修復(fù)方法[J];懷化學(xué)院學(xué)報(bào);2013年05期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前8條

1 耿直;葛丹丹;;縱向研究非隨機(jī)缺失數(shù)據(jù)分析[A];中國現(xiàn)場(chǎng)統(tǒng)計(jì)研究會(huì)第12屆學(xué)術(shù)年會(huì)論文集[C];2005年

2 管河山;姜青山;Steven X.Wei;;一種處理缺失數(shù)據(jù)的新方法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2004年

3 陳楠;劉紅云;;基于增長(zhǎng)模型的缺失數(shù)據(jù)處理方法之比較[A];心理學(xué)與創(chuàng)新能力提升——第十六屆全國心理學(xué)學(xué)術(shù)會(huì)議論文集[C];2013年

4 肖進(jìn);賀昌政;;面向缺失數(shù)據(jù)的客戶價(jià)值區(qū)分集成模型研究[A];中國企業(yè)運(yùn)籌學(xué)[2010(1)][C];2010年

5 曾莉;張淑梅;辛濤;;IRT模型中缺失數(shù)據(jù)處理方法比較[A];第十一屆全國心理學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2007年

6 孫玲;劉浩;袁長(zhǎng)亮;;北京市城市快速路微波檢測(cè)缺失數(shù)據(jù)分析[A];2008第四屆中國智能交通年會(huì)論文集[C];2008年

7 張香云;;基于EM算法缺失數(shù)據(jù)下混合模型的參數(shù)估計(jì)[A];第十三屆中國管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2011年

8 李曉煦;侯杰泰;;結(jié)構(gòu)方程中缺失數(shù)據(jù)的處理:FIML,EM與MI[A];全國教育與心理統(tǒng)計(jì)測(cè)量學(xué)術(shù)年會(huì)論文摘要集[C];2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前9條

1 馬友;基于QoS缺失數(shù)據(jù)預(yù)測(cè)的個(gè)性化Web服務(wù)推薦方法研究[D];北京郵電大學(xué);2015年

2 駱汝九;多指標(biāo)綜合評(píng)價(jià)的非參數(shù)方法和缺失數(shù)據(jù)的聚類方法研究[D];揚(yáng)州大學(xué);2011年

3 祝麗萍;幾種缺失數(shù)據(jù)和高維數(shù)據(jù)模型的統(tǒng)計(jì)分析[D];山東大學(xué);2012年

4 賈博婷;缺失數(shù)據(jù)下一類整值時(shí)間序列的統(tǒng)計(jì)推斷[D];吉林大學(xué);2014年

5 劉旭;在完全和缺失數(shù)據(jù)下基于非光滑估計(jì)方程的統(tǒng)計(jì)推斷與變量選擇問題[D];云南大學(xué);2010年

6 趙鵬飛;混沌數(shù)據(jù)恢復(fù)與非線性系統(tǒng)的模型參考控制[D];吉林大學(xué);2010年

7 陸福忠;數(shù)據(jù)缺失下的分布函數(shù)估計(jì)問題[D];復(fù)旦大學(xué);2007年

8 趙慧秀;可交換的兩值數(shù)據(jù)的統(tǒng)計(jì)分析[D];東北師范大學(xué);2009年

9 付志慧;多維項(xiàng)目反應(yīng)模型的參數(shù)估計(jì)[D];吉林大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 楊利華;缺失數(shù)據(jù)的處理方法研究及應(yīng)用[D];景德鎮(zhèn)陶瓷學(xué)院;2011年

2 袁中萸;多元線性回歸模型中缺失數(shù)據(jù)填補(bǔ)方法的效果比較[D];中南大學(xué);2008年

3 褚培肖;缺失數(shù)據(jù)下的有限混合計(jì)數(shù)數(shù)據(jù)模型的統(tǒng)計(jì)推斷研究[D];昆明理工大學(xué);2015年

4 申寧寧;縱向研究缺失數(shù)據(jù)多重填補(bǔ)及混合效應(yīng)模型分析[D];山西醫(yī)科大學(xué);2015年

5 李少瓊;縱向研究二分類缺失數(shù)據(jù)處理及加權(quán)估計(jì)方程的應(yīng)用[D];山西醫(yī)科大學(xué);2015年

6 高宇釗;比值缺失數(shù)據(jù)的多重估算與心臟康復(fù)二級(jí)預(yù)防干預(yù)效果評(píng)價(jià)及應(yīng)用[D];山西醫(yī)科大學(xué);2015年

7 李順靜;基于EM算法的缺失數(shù)據(jù)的統(tǒng)計(jì)分析及應(yīng)用[D];重慶工商大學(xué);2015年

8 汪靜波;Logistic回歸模型中缺失數(shù)據(jù)的處理[D];南京大學(xué);2015年

9 朱建斐;數(shù)據(jù)集缺失數(shù)據(jù)恢復(fù)算法研究[D];西安電子科技大學(xué);2015年

10 楊旭;多視角數(shù)據(jù)缺失補(bǔ)全問題研究[D];北京交通大學(xué);2016年

，

本文編號(hào)：1283064