近年來概率圖模型在醫(yī)療、基因與染色體數(shù)據(jù)分析、通信與編碼等許多領域有著廣泛的應用。在概率圖模型中,團樹結(jié)構(gòu)是一個活躍的研究領域。我們對團樹的推理進行了研究。在團樹的基礎上,對團樹推理算法進行了深入的探討。在高維數(shù)據(jù)集中,通常沒有足夠的數(shù)據(jù)來表示概率,可用的數(shù)據(jù)點在可能的屬性組合空間上分布的太稀疏了。然而,團樹結(jié)構(gòu)能表示高維屬性空間中的依賴關系而且可以用來做數(shù)據(jù)的概率推論。為了構(gòu)造團樹,我們需要找到網(wǎng)絡中的極大團,我們利用一個極大團搜索算法尋找一個網(wǎng)絡中所有的極大團,然后通過尋找到的極大團構(gòu)造出一個團樹結(jié)構(gòu),通過使用團樹結(jié)構(gòu)來表示網(wǎng)絡中的聯(lián)合概率分布,將高維空間的聯(lián)合概率分布表示成低維空間概率的乘積。在低維空間,數(shù)據(jù)更加集中并且概率分布能被成功導出。 

【文章來源】：青島大學山東省

【文章頁數(shù)】：39 頁

【學位級別】：碩士

【部分圖文】：

有向無環(huán)圖

（1）聚類算法如圖1.2（a）所示，將圖中的結(jié)點B和C 合并為一個結(jié)點，從而消除圖中的無向環(huán)，得到圖1.2（b），這種方法稱為聚類。找到正確的聚類節(jié)點是該算法的關鍵步驟。因此，需要確定網(wǎng)絡中的聚類節(jié)點的概率分布表，這樣增加了算法的計算復雜性。圖1.2（a）包含無向環(huán)的貝葉斯網(wǎng) 圖1.2（b）經(jīng)過聚類后的貝葉斯網(wǎng)（2）條件分割這種方法將原網(wǎng)絡分割成n個簡單的網(wǎng)絡結(jié)構(gòu)，n是節(jié)點取值范圍，這里 n 4。用條件分割的算法將圖1.2（a）網(wǎng)絡劃分為4個新的網(wǎng)絡(如圖1.3所示)。但經(jīng)過修正的網(wǎng)絡的大小會隨著父節(jié)點所能取值的個數(shù)以指數(shù)遞增。

10......圖1.3 經(jīng)過條件分割后的貝葉斯網(wǎng)(3) 隨機模擬算法通過反復執(zhí)行網(wǎng)絡模擬來計算估計的近似值,是一種近似推理方法。1.5 小結(jié)貝葉斯網(wǎng)絡最具特色的特征是它可以如實地表示因果關系,把自下而上和自上而下的推理結(jié)合起來,可以通過更新隸屬于連接的概率尺度來適應條件變化的能力。近年來，貝葉斯網(wǎng)絡以其獨特的不確定性知識表達形式、豐富的概率表達能力、綜合先驗知識的增量學習特性，被廣泛應用于輔助智能決策、模式識別、醫(yī)療診斷等領域。

【參考文獻】：
期刊論文
[1]貝葉斯網(wǎng)絡推理分析的團樹傳播算法——以停車行為分析為例[J]. 李志瑤,宗芳,張屹山.  長春大學學報. 2012(05)



本文編號：3438094