收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

树型贝叶斯网络分类器鉴别式训练研究

王中锋  
【摘要】:分类器是自动识别、预测与诊断系统等智能技术应用研究的基础,是数据挖掘和机器学习领域的一个主要研究对象.在众多分类模型中,贝叶斯网络分类器得到了多年的持续研究,综合性能不断提高.近年来,为了进一步提高其分类精度,一些研究人员开始研究其与贝叶斯网络学习算法的差异性.因为优化贝叶斯网络分类器的目的是提高分类器的精度与效率,而优化贝叶斯网络的目的是提高描述数据变量分布的能力,所以两者在有些方面存在很大的不同.一般来讲,学习算法的设计可以采用生成式策略或鉴别式策略.由于鉴别式策略采用的评价标准能够直接衡量分类器的精度,且能够对与实际数据变量分布有一定差异的网络结构进行调整,所以更适合应用于设计分类器学习算法.但是,鉴别式训练策略的优化目标函数缺乏良好的数学性质、学习的复杂度较高,所以需要结合其特点研究分类模型的设计,提高分类器的精度,减少训练的时间;需要分析新模型对环境和数据质量的依赖程度,研究其实际应用的价值.本文围绕一些实际问题深入研究了树型贝叶斯网络分类器(Tree-Structured Bayesian Network Classifier, TBNC),主要贡献如下: (1)研究得出鉴别式参数学习算法不适合在具有冗余边的树型贝叶斯网络结构上训练参数.首先,对贝叶斯网络结构与数据中变量的真实分布之间的关系进行了定量描述,将比真实分布复杂的网络结构定义为存在冗余边的网络结构;然后,用实验验证了冗余边存在的普遍性及其消极影响,说明了研究树型贝叶斯网络分类器分类器的价值;最后,基于对数条件似然函数偏导数的性质提出了一种消除网络结构中冗余边的RSD (Reducing Structure by Derivatives, RSD)算法,对网络结构进行优化,并用实验验证了该算法能够有效提高鉴别式参数学习算法在树型贝叶斯网络结构上训练得到的分类器的分类精度. (2)研究得出有相同结构底图的树型贝叶斯网络分类器等价.首先,分析了树型贝叶斯网络结构空间及其等价类,描述了具有相同底图的树型贝叶斯网络结构的等价关系和属性变量子网中边的方向无关性:然后,提出了一种树型贝叶斯网络分类器学习框架LFWAR (A Learning Framework of TBNC Without Considering Arc Reversal, LFWAR),实验验证了LFWAR得到的分类器的精度和稳定性在统计意义上无显著差异;最后,在场景分类问题的基准图像数据库上实验验证了应用属性变量子网中边的方向无关性设计的算法能够在不降低分类精度的前提下,减少分类引擎的训练时间. (3)研究得出树型贝叶斯网络分类器结构训练过程在多源非独立同分布数据上是健壮的.利用菲谢尔p值组合方法设计了一种应用于多源非独立同分布数据的分类器学习算法,来分析非独立同分布数据对树型贝叶斯网络分类器结构训练的影响.尽管在机器学习领域的研究成果表明贝叶斯网络结构训练会受到非独立同分布数据的较强影响,菲谢尔p值组合方法能够有效降低这种影响,但这种方法难以有效提高树型贝叶斯网络分类器的性能,因而表明在非独立同分布数据上的树型贝叶斯网络分类器结构训练过程是健壮的. (4)研究得出树型贝叶斯网络分类器鉴别式参数训练过程对噪声数据是敏感的,需要相应降噪策略.首先,将仅适用于二类值分类问题的集成贝叶斯网络参数学习扩展到适用于多类值分类问题的集成参数学习;然后,应用一种控制样本权重的方法抑制噪声数据的影响,且对多类值分类问题,提出了一种适用于处理不平衡数据样本的类别置信度量函数和降噪算法SmoothedBNB (Smoothed Bayesian Network Boosted Classifier, SmoothedBNB);最后,实验验证了控制样本权重的方法能够降低鉴别式参数训练过程的噪声敏感性,且所提的SmoothedBNB算法能够处理多类值分类器降噪时遇到的不平衡数据问题. 这些结论从多种角度论述了应用于分类的贝叶斯网络与应用于描述性的贝叶斯网络的差异性,展示了树型贝叶斯网络分类器的应用价值,改善了鉴别式训练策略的适应性,为实际应用奠定了良好的理论基础.


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 胡春玲;;贝叶斯网络研究综述[J];合肥学院学报(自然科学版);2013年01期
2 张琨,徐永红,王珩,刘凤玉;用于入侵检测的贝叶斯网络[J];小型微型计算机系统;2003年05期
3 陈晓怀,程真英,刘春山;动态测量误差的贝叶斯建模预报[J];仪器仪表学报;2004年S1期
4 李芸;;基于贝叶斯信念网络的数据分类挖掘算法[J];计算机科学;2006年09期
5 徐计;张桂芸;;基于贝叶斯网络的一种牛奶产量预测研究[J];计算机工程与科学;2008年10期
6 李甦;陈新亿;李娟;李斯娜;;贝叶斯网的学习与应用研究综述[J];云南大学学报(自然科学版);2009年S1期
7 李天纵;王强;;一种基于贝叶斯网络的软件项目风险管理方法[J];计算机系统应用;2011年02期
8 王玮,蔡莲红;贝叶斯网络拓扑结构确定方法的研究[J];小型微型计算机系统;2002年04期
9 陈亚楠;王黎明;;基于贝叶斯的多议题协商优化[J];计算机工程与应用;2006年06期
10 鲁华;周德云;;贝叶斯网络的对地多目标攻击决策[J];火力与指挥控制;2008年07期
11 汪力;叶桦;夏良正;;贝叶斯框架下的人的检测[J];东南大学学报(自然科学版);2007年S1期
12 李凤;姚晓晖;;基于贝叶斯网的风险衰减系数的确定[J];安全;2009年01期
13 徐野;赵海;苏威积;张文波;;油藏预测中的贝叶斯网络融合方法[J];东北大学学报;2005年12期
14 谢春丽;;基于链式结构的贝叶斯信念网络的构建的研究[J];福建电脑;2008年02期
15 张翼;李琳;;基于贝叶斯网的课程内容设置决策系统的构建方法[J];电脑编程技巧与维护;2011年14期
16 杨善林;胡笑旋;毛雪岷;;融合知识和数据的贝叶斯网络构造方法[J];模式识别与人工智能;2006年01期
17 刘越畅;陈世文;冯进达;徐炫杰;朱同林;房宜汕;;基于贝叶斯网络的蔬菜质量安全溯源与预警[J];广东农业科学;2012年20期
18 王朔;周少平;黄教民;;基于贝叶斯网络的威胁识别[J];计算机工程与设计;2006年18期
19 韩敏;穆大芸;;基于贝叶斯回归的多核回声状态网络研究[J];控制与决策;2010年04期
20 黎丹;;基于贝叶斯方法的图书印数控制[J];科技与出版;2012年07期
中国重要会议论文全文数据库 前10条
1 David Z.D'Argenio;;贝叶斯方法在实验室研究向临床的转化以及辨识隐含亚群体中的应用(英文)[A];中国药理学会临床药理学专业委员会会议暨第十次全国临床药理学学术会议论文集[C];2007年
2 姜峰;高文;姚鸿勋;;贝叶斯网络的推理和学习[A];全国网络与信息安全技术研讨会'2005论文集(下册)[C];2005年
3 丁东洋;刘希阳;;风险分析中的稳健贝叶斯方法[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年
4 周桃庚;沙定国;;贝叶斯可靠性序贯验证试验方法[A];中国仪器仪表学会第三届青年学术会议论文集(下)[C];2001年
5 陈晓怀;程真英;刘春山;;动态测量误差的贝叶斯建模预报[A];第二届全国信息获取与处理学术会议论文集[C];2004年
6 杜鹏英;罗小平;何志明;;贝叶斯网络的发展及理论应用[A];第三届全国虚拟仪器大会论文集[C];2008年
7 杨丽;武海滨;李康;;无金标准诊断试验评价的贝叶斯方法及应用[A];2011年中国卫生统计学年会会议论文集[C];2011年
8 宁鹏达;;贝叶斯方法在风险投资项目决策中的应用[A];第四届中国科学学与科技政策研究会学术年会论文集(Ⅰ)[C];2008年
9 朱永生;;贝叶斯方法确定泊松变量的置信上限[A];中国物理学会高能物理分会第七届学术年会实验分会场论文集[C];2006年
10 王增忠;柳玉杰;施建刚;;建筑工程项目全寿命安全管理决策的贝叶斯方法[A];中国优选法统筹法与经济数学研究会第七届全国会员代表大会暨第七届中国管理科学学术年会论文集[C];2005年
中国博士学位论文全文数据库 前10条
1 贾海洋;贝叶斯网学习若干问题研究[D];吉林大学;2008年
2 黄友平;贝叶斯网络研究[D];中国科学院研究生院(计算技术研究所);2005年
3 朱允刚;贝叶斯网学习中若干问题研究及其在信息融合中的应用[D];吉林大学;2012年
4 董立岩;贝叶斯网络应用基础研究[D];吉林大学;2007年
5 李小琳;面向智能数据处理的贝叶斯网络研究与应用[D];吉林大学;2005年
6 江敏;贝叶斯优化算法的若干问题研究及应用[D];上海大学;2012年
7 胡笑旋;贝叶斯网建模技术及其在决策中的应用[D];合肥工业大学;2006年
8 何岩;统计稀疏学习中的贝叶斯非参数建模方法及应用研究[D];浙江大学;2012年
9 范敏;基于贝叶斯网络的学习与决策方法研究及应用[D];重庆大学;2008年
10 张什永;贝叶斯网不确定性推理研究[D];中国科学技术大学;2010年
中国硕士学位论文全文数据库 前10条
1 时光;贝叶斯认识论初探[D];南京师范大学;2008年
2 喻晓锋;贝叶斯网在认知诊断中的应用[D];江西师范大学;2009年
3 高倩;基于贝叶斯网络预测的故障诊断的应用与研究[D];华北电力大学(北京);2011年
4 马壮;基于ACO的贝叶斯网结构学习与应用[D];合肥工业大学;2005年
5 陆洋;学习大规模贝叶斯网络的新框架及其在构建蛋白质—蛋白质相互作用网络中的应用[D];上海交通大学;2013年
6 单冬冬;具有隐藏变量贝叶斯网学习算法的研究[D];苏州大学;2009年
7 史旻;基于贝叶斯网络的并行概率分布估计算法研究[D];武汉理工大学;2005年
8 蒋莉莉;基于贝叶斯网络的刑事侦查决策模型研究[D];河海大学;2007年
9 王竞骊;统计分析技术与贝叶斯网在分子筛合成数据库中的应用[D];吉林大学;2007年
10 赵海丰;关联规则挖掘及贝叶斯网表示研究[D];重庆大学;2007年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978