收藏本站
《云南大学》 2010年
收藏 | 手机打开
二维码
手机客户端打开本文

概率网的重构

李维华  
【摘要】:知识爆炸和数据泛滥使人们需要从数据中挖掘出有用的信息、获取所需的知识、并对知识进行推理。随机和不确定是现实世界本身固有的特征。因此,我们需要一种表示定量的不确定断言,以及将这些定量断言结合起来并支持不确定性推理和决策分析自动化的方法。概率网,即贝叶斯网和影响图,逐渐成为不确定诊断、预测、决策支持、分类、数据挖掘的主流范式,并为它们提供了直观、有效、可靠的计算方法。概率网是目前应用人工智能中最有前途的技术之一。概率网的知识表示与推理也是智能数据分析、知识发现以及不确定人工智能的重要研究方向。 实际应用问题往往导致复杂的概率网,而概率网的推理与学习都随着变量数目指数增长,且用户的需求并不是一成不变的。因此,总是要求一个模型可以有效地求解并满足不断变化的需求是比较困难、甚至不可能的。为了提高模型的适用性和推理效率,本文着重讨论了在没有可用数据的条件下贝叶斯网和影响图的结构优化和模型重构问题。 本文的主要工作与创新包括以下三个方面。 第一,研究了概率网的约简方法。对于贝叶斯网,本文给出两个充分必要条件确定局部模型的图形特征,并在此基础上给出一个局部模型的学习方法。其次,本文定义了结点之间的一个等价关系,并通过逐层聚集等价节点学习层次模型。对于影响图,本文定义了一个决策节点之间的决策协作和依赖的相关关系,并证明它是一个等价关系。其次,给出影响相关决策期望效用的变量集合,即相关变量。此外,基于相关决策和相关变量给出确定影响图局部模型的方法。在本研究中,局部模型可以获得用户关心的子模型,并保证局部推理等价于全局推理。层次模型通过封装细节与局部,为复杂问题提供了一个层次抽象。概率网的约简优化模型、扩展模型可用性,避免从海量数据学习模型,还可以将推理限制在一个较小的模型上,为提高推理效率奠定基础。 第二,研究了概率网的可分解性。对于贝叶斯网,本文在以往工作的基础上给出一个简单的扩展算法,该方法可以无损地将贝叶斯网分解成一组模型。对于影响图,本文将求解序从单个决策结点扩展到决策结点的集合,定义了决策结点集合的极值概念。其次,本文证明了影响图的全局最优解可以通过极值上的局部最优解确定。基于极值概念,本文对影响图进行相关分析并给出影响图的分解方法。极值集合使得不存在标准求解序的影响图的分解成为可能,并有效地扩展了相关分析的局限。概率网的分解将复杂模型转换为一组等价的子模型,为降低概率网的推理复杂度提供了基础。 第三,研究了局部模型的融合方法。本文给出两个充分必要条件确定全局概率网的图形特征。在此基础上,本文给出一个不依赖于数据的无损融合方法。其次,当局部模型之间的冲突和不一致不可避免的情况下,本文给出一个学习最小I图的方法,它能尽量保留个体信息。此外,本文证明所给融合方法比直接从数据中学习模型的方法有效。本文的融合方法可以在没有数据的条件下学习到全局模型,避免通过专家构造的主观性,使得推理更准确,补充了概率网学习方法,
【学位授予单位】:云南大学
【学位级别】:博士
【学位授予年份】:2010
【分类号】:TP18

手机知网App
【共引文献】
中国博士学位论文全文数据库 前4条
1 胡小建;ABDIDSS环境下多Agents之间协作与近似推理机制研究[D];合肥工业大学;2005年
2 黄忠虎;短距离无线通信网络低信噪比接收算法的研究[D];东南大学;2006年
3 姚宏亮;动态多智能体建模与决策问题研究[D];合肥工业大学;2007年
4 陈景年;选择性贝叶斯分类算法研究[D];北京交通大学;2008年
中国硕士学位论文全文数据库 前9条
1 董辉;不完整数据的贝叶斯网络参数学习新算法[D];广西师范大学;2003年
2 胡卫华;基于桶消元的多连通贝叶斯网络推理算法的改进与实现[D];华北电力大学(河北);2004年
3 李美华;基于贝叶斯网络的软件项目模糊风险评估模型的构建及平台开发[D];吉林大学;2006年
4 严慧鑫;贝叶斯网精确推理算法的研究[D];吉林大学;2006年
5 杨庆平;基于贝叶斯网络的基因调控网络构建算法的研究[D];哈尔滨工业大学;2006年
6 黄禹潇;贝叶斯网Factor Reserve推理算法的研究与实现[D];吉林大学;2007年
7 孙铭会;多模块集成式贝叶斯分类模型的研究[D];吉林大学;2007年
8 俞奎;贝叶斯网络建模及推理算法研究[D];合肥工业大学;2007年
9 肖五木;改模工艺规划系统的研究与设计[D];广东工业大学;2008年
【二级参考文献】
中国期刊全文数据库 前1条
1 刘伟娜;霍利民;张立国;;贝叶斯网络精确推理算法的研究[J];微计算机信息;2006年09期
【相似文献】
中国期刊全文数据库 前10条
1 邓鸿威,赵亦工;基于边缘模型的数字图像后处理方法研究[J];微电子学与计算机;2002年10期
2 任毅斌;王子嫣;于吉红;杜茂华;;数字图像中边缘检测算法综合研究[J];计算机与信息技术;2007年08期
3 张慧芯;屈小波;闫敬文;;基于斜坡边缘模型的图像插值新方法[J];计算机工程;2009年10期
4 崔继文,谭久彬;基于Zernike矩的亚像素边缘定位算法[J];光学技术;2005年05期
5 许全泉;黑菲宾;朱红;;基于边缘模型的图像后处理算法的FPGA实现[J];遥测遥控;2007年02期
6 崔继文;陈世丽;周彤;;正交雅可比-傅里叶矩的亚像素边缘定位[J];哈尔滨工业大学学报;2011年05期
7 孙秋成;谭庆昌;安刚;侯跃谦;;一种亚像素精度的边缘检测方法[J];北京工业大学学报;2009年10期
8 陈天泽;吴禹昊;李燕;;基于DS理论的高分辨率SAR图像复杂背景直线边缘提取方法[J];信号处理;2011年01期
9 赵书斌,张蓬,彭思龙;基于小波域LS方法的图象超分辨率重构算法[J];中国图象图形学报;2003年11期
10 陈晓峰;嵇成新;陈阳;;一种新的机动目标跟踪中的变结构多模型算法[J];火控雷达技术;2007年04期
中国重要会议论文全文数据库 前5条
1 吴俊芳;刘桂雄;;图像边缘过渡区的数学表征方法研究[A];2010中国仪器仪表学术、产业大会(论文集1)[C];2010年
2 孙晶晶;杨民;刘静华;;CT图像边缘提取的最优算子研究[A];全国射线数字成像与CT新技术研讨会论文集[C];2009年
3 张永胜;嵇成新;万永峰;;一种变结构多模型估计方法——最小子模型集合切换算法[A];可持续发展的中国交通——2005全国博士生学术论坛(交通运输工程学科)论文集(下册)[C];2005年
4 江虹;周国梁;权勇;郭树旭;;一种车灯尺寸定位误差自动检测的新方法[A];2006年全国理论计算机科学学术年会论文集[C];2006年
5 靳海燕;熊庆宇;王楷;石为人;;基于图像处理的电梯轿厢内人数统计方法研究[A];2011下一代自动测试系统学术研讨会论文集[C];2011年
中国重要报纸全文数据库 前2条
1 李莉 陈怡 沈玉庭;从傻瓜到智能的家庭网关[N];人民邮电;2009年
2 刘青海 浙江师范大学非洲研究院;从空间政策看增加就业[N];中国社会科学报;2011年
中国博士学位论文全文数据库 前10条
1 李维华;概率网的重构[D];云南大学;2010年
2 李仲生;一种基于图像底层特征的对象粒认知方法研究[D];湖南大学;2011年
3 吴俊芳;小尺寸视觉二维精密检测理论与方法[D];华南理工大学;2011年
4 李波;基于图像分析的车辆识别与跟踪若干关键技术研究[D];华中科技大学;2011年
5 张仁彦;虹膜身份识别算法研究[D];哈尔滨工程大学;2006年
6 吴雪丽;基于斜面分解的非对称逆布局图像表示方法与处理算法研究[D];华中科技大学;2009年
7 董鸿燕;边缘检测的若干技术研究[D];国防科学技术大学;2008年
8 史立;视频对象平面分割和视频对象提取方法的研究[D];上海大学;2001年
9 孙秋成;基于机器视觉的轴径测量[D];吉林大学;2010年
10 徐丽丽;带有混合相关结构的纵向数据的统计分析[D];东北师范大学;2011年
中国硕士学位论文全文数据库 前10条
1 曹阳;边缘模型中的两种统计推断方法:GEE与QIF[D];东北师范大学;2010年
2 张慧芯;基于斜坡边缘模型的图像插值方法[D];厦门大学;2009年
3 许全泉;图像边缘后处理算法研究[D];西安电子科技大学;2007年
4 何凡锋;基于图像的尺寸测量与数据波动研究[D];吉林大学;2008年
5 王涛;模糊多尺度边缘检测方法的研究与应用[D];华北电力大学(河北);2006年
6 余见;彩色图像边缘检测和分类[D];厦门大学;2008年
7 刘永春;视觉测量系统标定技术研究[D];吉林大学;2008年
8 余光光;基于DM642/IPM0D和图像分析的林区火焰智能检测技术研究[D];杭州电子科技大学;2012年
9 韦玮;基于机器视觉的防伪纸安全线检测关键技术研究与应用[D];机械科学研究总院;2007年
10 朱祥华;基于核心—边缘模型中国劳动力迁移动因研究[D];西南交通大学;2010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