收藏本站
《北京邮电大学》 2008年
收藏 | 手机打开
二维码
手机客户端打开本文

贝叶斯网络结构学习算法研究

刘峰  
【摘要】: 贝叶斯网络提供了一种表示因果关系的方法。它结合图模型理论和统计学来表达随机变量之间的不确定性知识,并高效地执行推理任务。最近20多年来,贝叶斯网络学习一直是人工智能和机器学习领域中一个非常活跃的研究课题,并且提出了许多经典高效的算法。尽管这些方法都获得了很好的性能,但是当面对有限数据集或高维数据集时,这两类方法在学习的准确性和效率上都存在缺限。本文的主要贡献如下: 1)最大相关一最小冗余贪婪贝叶斯网络学习算法 结点有序情况下,改进了K2算法,使它适用于高维小采样数据集。引入最大相关一最小冗余特征选择技术,提出局部贝叶斯增量函数以控制所学贝叶斯网络结构的复杂度。实验结果表明,在小采样数据集上,该方法在准确性上优于K2算法。 未知结点次序情况下,引入了基于结点次序的启发式搜索,提出一个新颖的候选父结点集合产生方法。同时,我们也引入了最大相关一最小冗余特征选择技术和局部贝叶斯增量函数,使之适用于小采样数据集。实验结果表明,在小采样数据集上,该方法在准确性上优于现有算法。 2)基于集成方法的贝叶斯网络学习算法 提出一类学习贝叶斯网络的高效算法。该方法把集成学习应用到贝叶斯网络学习算法中,学习到一个更加准确的贝叶斯网络。 提出基于增量采样的贝叶斯网络集成学习算法。基于贝叶斯网络学习的因果马尔科夫属性,提出基于根结点的增量采样技术和相应的组件集成技术。 提出基于采样分解的贝叶斯网络集成学习算法。基于贝叶斯网络学习的因果马尔科夫属性,提出基于根结点的采样分解技术和相应的组件集成技术。 实验结果表明,在有限数据集上,这两类集成贝叶斯网络结构学习方法在准确性上优于现有算法。 3)关联规则-贝叶斯网络集成学习算法 提出基于启发式2层计数的频繁项集挖掘算法。提出一个新颖的2层频繁项集生成方法,大大减少了数据集的遍历次数。在每次数据集遍历过程中,提出启发式遍历技术,减少了数据集遍历时间。实验结果表明,在高维松散大数据集上,效率上优于Apriori算法。 提出基于启发式2层计数的频繁项集—贝叶斯网络集成学习算法。该算法把频繁项集挖掘算法应用到贝叶斯网络学习的得分搜索方法中,利用频繁项集限制贝叶斯网络结构搜索空间,提高了网络结构空间的搜索效率。实验结果表明,在高维松散大数据集上,本集成算法在效率和准确性上优于传统的贝叶斯网络学习方法。 4)贝叶斯网络在通信领域的应用初探 对客户流失预测分析问题进行了初步探索,初步提出一个基于贝叶斯网络的主动流失客户预测分析模型。
【学位授予单位】:北京邮电大学
【学位级别】:博士
【学位授予年份】:2008
【分类号】:TP183

【相似文献】
中国期刊全文数据库 前10条
1 高兵;胡国萍;;诊断贝叶斯网络通用近似推理算法研究[J];电脑知识与技术;2011年25期
2 王占孔;王学丽;;基于贝叶斯网络的分层网络故障诊断[J];软件;2011年04期
3 刘小飞;焦冬艳;;软件动态调控策略的可信预评估模型研究[J];现代计算机(专业版);2011年10期
4 杨凤霞;;基于特征选择的垃圾短信过滤研究[J];沧州师范专科学校学报;2011年03期
5 彭善国;王希武;王寅龙;;基于贝叶斯网络的装备保障能力评估建模研究[J];计算机与数字工程;2011年06期
6 洪智勇;王天擎;刘灿涛;;一种新的互信息特征子集评价函数[J];计算机工程与应用;2011年22期
7 李正;倪远平;刘迪;王海鹏;;实蝇图像识别中的形态特征提取研究[J];计算机仿真;2011年07期
8 王宁;李炜;沈奇威;;基于贝叶斯理论的工作流任务分配模型的设计[J];重庆邮电大学学报(自然科学版);2011年04期
9 陶慧;祁佩棉;;基于遗传算法的煤与瓦斯突出影响因素研究[J];河南理工大学学报(自然科学版);2011年03期
10 张宗辉;;基于贝叶斯神经网络的智能诊断系统[J];科技和产业;2011年07期
中国重要会议论文全文数据库 前10条
1 李娜;曾向阳;;目标识别中的样本选择和特征选择联合算法研究[A];2009年西安-上海声学学术会议论文集[C];2009年
2 张永;陈思睿;杨志勇;;一种改进的文本分类方法的研究[A];第二届全国信息检索与内容安全学术会议(NCIRCS-2005)论文集[C];2005年
3 王强;曾向阳;王曙光;李娜;;主元分析在水下目标特征选择中的应用[A];中国声学学会水声学分会2011年全国水声学学术会议论文集[C];2011年
4 高砚军;徐华平;;基于窗口自适应灰度共生矩阵的SAR图像分类[A];第六届全国信息获取与处理学术会议论文集(1)[C];2008年
5 李晓丽;王彤;杜振龙;;基于粗糙集理论的流数据最优特征选择[A];第二十二届中国数据库学术会议论文集(研究报告篇)[C];2005年
6 徐燕;孙春明;王斌;李锦涛;;基于词条频率的特征选择算法研究[A];中文信息处理前沿进展——中国中文信息学会二十五周年学术会议论文集[C];2006年
7 李爱新;孙铁;郭炎峰;;基于人工神经网络的脑电信号模式分类[A];自动化技术与冶金流程节能减排——全国冶金自动化信息网2008年会论文集[C];2008年
8 靖红芳;王斌;杨雅辉;;基于类别分布的特征选择框架[A];第四届全国信息检索与内容安全学术会议论文集(上)[C];2008年
9 周志红;周新聪;严新平;袁成清;;磨粒特征参数的评价与优化方法研究[A];2006全国摩擦学学术会议论文集(一)[C];2006年
10 李占潮;陈超;周喜斌;邹小勇;;基于遗传算法和支持向量机预测蛋白质结构类[A];第九届全国计算(机)化学学术会议论文摘要集[C];2007年
中国重要报纸全文数据库 前10条
1 周晓娟;TD已过分水岭[N];通信产业报;2008年
2 天相投顾 闻群王聃聃;选基金需考虑风险承受力[N];中国证券报;2007年
3 孙志伟;刘刚检查城防林建设[N];齐齐哈尔日报;2008年
4 郑卫东;高产鹅选种方法和标准[N];中国畜牧兽医报;2007年
5 海通证券 娄静吴先兴;把握风险收益特征选择最适合自己的基金[N];上海证券报;2007年
6 张小东;促销之十大常见误区(一)[N];黑龙江经济报;2006年
7 华泰证券 吴璟;权证投资:只买对的,不买便宜的[N];上海证券报;2008年
8 广西钦州灵山县灵城二小 纪雪林;小场地训练途中跑的方法[N];中国体育报;2008年
9 ;现代军队与智能战争[N];中国计算机报;2005年
10 张小明;如何选择供应链[N];现代物流报;2005年
中国博士学位论文全文数据库 前10条
1 张少中;基于贝叶斯网络的知识发现与决策应用研究[D];大连理工大学;2003年
2 李俭川;贝叶斯网络故障诊断与维修决策方法及应用研究[D];中国人民解放军国防科学技术大学;2002年
3 刘思远;信息融合和贝叶斯网络集成的故障诊断理论方法及实验研究[D];燕山大学;2010年
4 华斌;贝叶斯网络在水电机组状态检修中的应用研究[D];华中科技大学;2004年
5 胡文斌;基于多Agent的分布式智能群决策支持系统关键技术研究[D];武汉理工大学;2004年
6 洪净;中医辩证量化方法学研究[D];湖南中医学院;2002年
7 李启青;遥感数据处理的遗传优化及其组合算法研究[D];中国科学院研究生院(遥感应用研究所);2004年
8 霍利民;基于贝叶斯网络的电力系统可靠性评估[D];华北电力大学(河北);2005年
9 刘辉;基因调控网络的建模与学习研究[D];复旦大学;2009年
10 韦娜;基于内容图像检索关键技术研究[D];西北大学;2006年
中国硕士学位论文全文数据库 前10条
1 应凤刚;无人作战飞机对地攻击态势威胁评估方法和算法研究[D];西北工业大学;2005年
2 杨晓东;基于贝叶斯网络的配电网可靠性评估[D];华北电力大学(河北);2004年
3 费致根;Bayes网络在故障诊断中的应用[D];郑州大学;2004年
4 肖文辉;基于本体的智能故障诊断的不确定性推理研究[D];湖南科技大学;2010年
5 陈新亿;基于KL距离的贝叶斯网络结构学习算法研究[D];云南大学;2010年
6 钱隆;贝叶斯网络在基于几何模型的建筑物检测中的应用研究[D];合肥工业大学;2003年
7 朱传霞;MMOG中玩家联盟策略的研究[D];沈阳航空工业学院;2010年
8 张荧驿;基于T-S重要度和贝叶斯网络的多态液压系统可靠性分析[D];燕山大学;2011年
9 姚宏亮;贝叶斯网络结构学习及其多Agent系统模型研究[D];合肥工业大学;2003年
10 苏海锋;贝叶斯网络及其在发电系统可靠性评估中的应用[D];河北农业大学;2004年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026