隨著人工智能技術(shù)受到人們越來越廣泛的重視和應(yīng)用,貝葉斯網(wǎng)絡(luò)作為經(jīng)典的機(jī)器學(xué)習(xí)算法,以其概率推理準(zhǔn)確和語義表達(dá)清晰的優(yōu)勢,在不確定性建模和概率推理等問題上得到了廣泛的應(yīng)用。貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)作為貝葉斯網(wǎng)絡(luò)研究和應(yīng)用的一個(gè)重要的問題和挑戰(zhàn),準(zhǔn)確地學(xué)習(xí)網(wǎng)絡(luò)參數(shù)對貝葉斯網(wǎng)絡(luò)模型的準(zhǔn)確性和可解釋性具有重要的影響。在現(xiàn)實(shí)世界的很多應(yīng)用中,人們能夠收集得到的樣本數(shù)據(jù)是有限的。所以,針對有限的訓(xùn)練樣本數(shù)據(jù),如何提升網(wǎng)絡(luò)參數(shù)學(xué)習(xí)的準(zhǔn)確性是一個(gè)重要的研究課題。同時(shí),有學(xué)者研究表明單調(diào)性廣泛存在于生活中的各個(gè)領(lǐng)域,在很多問題中屬性與屬性、屬性與決策之間存在著一定單調(diào)性關(guān)系。本文圍繞著有限訓(xùn)練樣本數(shù)據(jù)的貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)問題,基于貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)之間的單調(diào)性關(guān)系和貝葉斯網(wǎng)絡(luò)的單調(diào)性展開研究,主要的研究工作和創(chuàng)新點(diǎn)如下:（1）本文提出了一種純數(shù)據(jù)驅(qū)動(dòng)的單調(diào)貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)方法。首先,該方法通過單調(diào)性衡量指標(biāo)自動(dòng)地提取網(wǎng)絡(luò)節(jié)點(diǎn)之間的單調(diào)性關(guān)系;然后,基于貝葉斯網(wǎng)絡(luò)的單調(diào)性定義構(gòu)造網(wǎng)絡(luò)節(jié)點(diǎn)條件概率表的單調(diào)性不等式約束,將貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)轉(zhuǎn)化為一個(gè)約束優(yōu)化問題;最后,通過不同的方法對該問題進(jìn)行求解。在公開的標(biāo)準(zhǔn)貝葉... 

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題研究背景和意義
    1.2 研究現(xiàn)狀及存在的問題
        1.2.1 結(jié)合專家先驗(yàn)知識的參數(shù)學(xué)習(xí)方法
        1.2.2 結(jié)合變量單調(diào)性知識的參數(shù)學(xué)習(xí)方法
        1.2.3 基于數(shù)據(jù)遷移的參數(shù)學(xué)習(xí)方法
        1.2.4 存在的問題
    1.3 本文主要研究內(nèi)容和組織結(jié)構(gòu)
        1.3.1 本文主要研究內(nèi)容
        1.3.2 論文組織結(jié)構(gòu)
第2章 相關(guān)概念及理論基礎(chǔ)
    2.1 貝葉斯網(wǎng)絡(luò)基礎(chǔ)
        2.1.1 貝葉斯網(wǎng)絡(luò)基本概念
        2.1.2 貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)
        2.1.3 貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)
        2.1.4 貝葉斯網(wǎng)絡(luò)推理
    2.2 單調(diào)性度量指標(biāo)
    2.3 本章小結(jié)
第3章 單調(diào)貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)
    3.1 引言
    3.2 貝葉斯網(wǎng)絡(luò)單調(diào)性定義
    3.3 基于單調(diào)性懲罰項(xiàng)的參數(shù)學(xué)習(xí)
        3.3.1 網(wǎng)絡(luò)參數(shù)單調(diào)性約束
        3.3.2 單調(diào)性懲罰項(xiàng)構(gòu)建
        3.3.3 雙向單調(diào)性約束
    3.4 基于凸約束優(yōu)化參數(shù)學(xué)習(xí)
    3.5 實(shí)驗(yàn)結(jié)果與分析
        3.5.1 數(shù)據(jù)集
        3.5.2 實(shí)驗(yàn)設(shè)置
        3.5.3 實(shí)驗(yàn)分析
    3.6 本章小結(jié)
第4章 缺失數(shù)據(jù)的單調(diào)貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)
    4.1 引言
    4.2 缺失數(shù)據(jù)參數(shù)學(xué)習(xí)的EM算法
    4.3 基于參數(shù)單調(diào)性約束的EM改進(jìn)算法
        4.3.1 參數(shù)單調(diào)性約束構(gòu)建
        4.3.2 改進(jìn)的EM算法
    4.4 實(shí)驗(yàn)結(jié)果與分析
        4.4.1 數(shù)據(jù)集
        4.4.2 實(shí)驗(yàn)設(shè)置
        4.4.3 實(shí)驗(yàn)分析
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
發(fā)表論文和參加科研情況說明
致謝


【參考文獻(xiàn)】：
期刊論文
[1]Information entropy for ordinal classification[J]. HU QingHua , GUO MaoZu, YU DaRen ＆ LIU JinFu Harbin Institute of Technology, Harbin 150001, China.  Science China（Information Sciences）. 2010(06)

博士論文
[1]貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)及其應(yīng)用研究[D]. 胡春玲.合肥工業(yè)大學(xué) 2011



本文編號：3683987