收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

统计关系模型学习方法的研究

于鹏  
【摘要】: 本文以统计关系学习这一新兴研究领域为背景,展开统计关系模型学习方法的研究。在总结、分析统计关系学习的基本方法、研究现状和所面临的挑战基础上,结合进化计算、粒子群算法和免疫机制等,重点研究了学习复杂统计关系模型、在背景知识不完全的条件下扩充其表达能力、不完备关系数据下学习统计关系模型以及统计关系模型的通用(统一)学习方法等问题。论文的主要工作包括:(1)对统计关系学习的研究现状、研究方法以及未来的挑战等进行了综述;(2)对关系数据的特征,关系数据和传统数据表示形式的异同,以及避免影响统计关系模型学习的方法进行了分析和讨论;(3)针对当前统计关系模型结构学习的难点提出一种基于模板的子句学习方法,该方法先学习一种中间结构,从而缩小搜索空间,之后再将该结构转化为子句;(4)将基于模板的子句学习方法应用于完备关系数据条件下Markov逻辑网(一种有代表性的统计关系模型)的学习,该方法使用粒子群算法学习统计关系模型的参数,适于对较大的数据集进行学习;(5)针对不完全的背景知识(谓词不充分),将基于模板的学习方法与免疫机制相结合,提出从关系数据中生成新谓词以扩充背景知识的方法;(6)将基于模板的学习方法与期望最大化算法结合提出一种从存在缺失值的关系数据集(一种不完备的关系数据形式)中学习Markov逻辑网的算法,该方法在每步迭代中用更好的结构取代原来的结构,从而最终获得更接近实际的Markov逻辑网;(7)结合上述研究结果给出了一种通用的统计关系模型学习方法,该方法能对大多数的统计关系模型进行学习。本文获得的结果对深入统计关系学习和多关系数据挖掘研究有较大意义。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 徐从富;郝春亮;苏保君;楼俊杰;;马尔可夫逻辑网络研究[J];软件学报;2011年08期
2 ;[J];;年期
3 ;[J];;年期
4 ;[J];;年期
5 ;[J];;年期
6 ;[J];;年期
7 ;[J];;年期
8 ;[J];;年期
9 ;[J];;年期
10 ;[J];;年期
11 ;[J];;年期
12 ;[J];;年期
13 ;[J];;年期
14 ;[J];;年期
15 ;[J];;年期
16 ;[J];;年期
17 ;[J];;年期
18 ;[J];;年期
19 ;[J];;年期
20 ;[J];;年期
中国博士学位论文全文数据库 前4条
1 于鹏;统计关系模型学习方法的研究[D];吉林大学;2008年
2 孙成敏;基于粗糙集的知识发现方法研究[D];吉林大学;2006年
3 孙舒杨;统计关系学习的若干问题研究[D];吉林大学;2006年
4 田永鸿;基于上下文的统计关系学习研究[D];中国科学院研究生院(计算技术研究所);2005年
中国硕士学位论文全文数据库 前2条
1 徐益;基于似然关系模型的个性化推荐研究[D];吉林大学;2008年
2 刘智祥;两种文本分类算法的研究与实现[D];吉林大学;2008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
  • 010-62982499
  • 010-62783978