收藏本站
收藏 | 论文排版

贝叶斯网络结构学习与应用研究

曹杰  
【摘要】:进入到21世纪以来,人们对于人工智能领域的研究取得了极大的进步。作为表示不确定性知识的一种重要方法,贝叶斯网络已经成为了人工智能研究中的热点和重要成果之一,建立有效的贝叶斯网络结构也是学习和应用贝叶斯网络的基础和核心。在贝叶斯网络结构方面,以传统的专家知识构建结构为代表的方法已经逐渐被通过数据学习结构的方法取代。然而,由于可能的网络结构数多,会导致搜索空间巨大。通过训练数据学习贝叶斯网络的方法通常存在着精度低或复杂度高等问题,使得所学习的结构与实际相差较大,从而对贝叶斯网络的推理及实际应用带来很大的影响,因此研究合适的贝叶斯网络结构学习方法具有重要的理论和实际应用的意义。本文针对贝叶斯网络的结构学习及应用问题进行研究。主要围绕根据结构的复杂性,提出相应的结构学习方法,进一步地将贝叶斯网络知识应用于多标签分类中。本文的主要工作和创新性可以概括如下。第一,针对搜索评分的结构学习方法存在着搜索效率低以及容易陷入到局部最优结构问题,提出一种基于离散人工蜂群的结构学习方法。首先,将贝叶斯网络的有向无环图结构抽象成人工蜂群中的食物源,这样将结构学习问题转化成人工蜂群算法中寻找最优食物源问题;然后采用人工蜂群的搜索框架,结合差分进化算法中的变异、交叉算子,从可能的搜索空间中寻找评分最高的食物源;同时利用深度优先搜索的方法,提出一种有环图修正算法;最后通过建立对应的马尔科夫链对算法的搜索过程进行描述,理论上分析算法能够依概率1收敛到最优结构。实验仿真表明所提的基于离散人工蜂群的结构学习算法学习到的结构评分更优,且收敛性更好。第二,针对结点数庞大会导致搜索评分的结构学习方法复杂度高的问题,提出一种混合约束与搜索评分的结构学习方法。首先,利用条件独立性测试从数据中学习出结点所对应的无向独立图结构;然后利用递归的思想对无向独立图进行递归分解,从而构建出多个子图结构;对于每个子无向图结构,利用搜索评分的方法来确定出结构中的边及其对应的方向;最后,提出子结构合成规则将这些子结构重新组合成对应的有向无环图结构。实验仿真表明混合约束和搜索评分的方法能够更有效地处理结点数众多的结构学习问题。第三,考虑到多标签分类中标签之间存在着相关性的问题,提出基于贝叶斯网络的多标签分类方法。首先利用训练数据学习标签贝叶斯网络模型,其中每个结点代表着一类标签,结点间的边和条件概率分布描述标签之间的相关程度;然后利用最大似然估计的参数学习方法学习结构中的参数;对于每个测试集,通过计算其与训练样本的欧式距离来选择与其相邻的样本集,并将相邻样本集中的标签类别信息作为证据输入到标签贝叶斯网络中;最后利用联合树推理来预测测试集最可能属于哪些类标签中。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 贺继东;;基于贝叶斯网络的大学生就业协助系统[J];宁夏师范学院学报;2019年01期
2 赵越;茹婷婷;;贝叶斯网络结构学习方法新探[J];长春大学学报;2011年06期
3 冀俊忠;刘椿年;阎静;;一种快速的贝叶斯网结构学习算法[J];计算机研究与发展;2007年03期
4 赵学武;冀俊忠;程亮;刘椿年;;基于链模型和粒子群的贝叶斯网结构学习算法[J];计算机工程;2011年17期
5 张月;黄钢;章小雷;田理政;曾词正;;贝叶斯网络在医学领域中的应用研究[J];中国医学创新;2013年04期
6 曾杰鹏;廖芹;谷志元;;基于结构继承的贝叶斯网结构学习优化设计[J];计算机工程与设计;2012年07期
7 张剑飞;王双成;;基于预测关系的贝叶斯网络学习算法[J];计算机工程与应用;2008年03期
8 李冰寒;刘三阳;李战国;;构建贝叶斯网络本质图的新方法[J];计算机工程与应用;2011年07期
9 刘明辉;王磊;党林阁;石景岚;;非确定先验信息的贝叶斯网结构学习方法[J];计算机工程;2010年05期
10 王磊;刘明辉;王维平;;先验信息不确定条件下贝叶斯网结构学习方法[J];计算机工程与应用;2010年16期
11 贾海洋;陈娟;刘大有;;贝叶斯网结构学习搜索空间分析[J];计算机工程与科学;2010年09期
12 王双成;唐海燕;刘喜华;;用于风险管理的贝叶斯网络学习[J];控制与决策;2007年05期
13 刘飞燕;;基于改进的加权贝叶斯网络恐怖袭击危害性评估[J];南宁师范大学学报(自然科学版);2020年04期
14 王双成;冷翠平;杜瑞杰;;一种新的贝叶斯网络增量学习方法[J];系统仿真学报;2009年17期
15 张少中,王秀坤,孙莹光;贝叶斯网络及其在决策支持系统中的应用[J];计算机工程;2004年10期
16 陶建斌;舒宁;;约束型贝叶斯网络在遥感图像解译中的应用方法研究[J];国土资源遥感;2009年02期
17 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
18 李旭辉;顾颖彦;韩兴豪;;基于动态云贝叶斯网络的舰艇防空目标威胁评估[J];舰船电子对抗;2021年01期
19 徐平峰;王树达;尚来旭;杨哲;;基于自助法的高斯贝叶斯网结构学习[J];长春工业大学学报;2020年04期
20 付丹丹;;贝叶斯网络学习算法研究[J];大庆师范学院学报;2011年03期
中国重要会议论文全文数据库 前20条
1 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
2 肖兵;沈薇薇;金宏斌;;基于动态贝叶斯网络的威胁估计研究[A];中国自动化学会中南六省(区)2010年第28届年会·论文集[C];2010年
3 宫义山;钱娜;;贝叶斯网络结构在线学习算法及应用[A];科学发展与社会责任(A卷)——第五届沈阳科学学术年会文集[C];2008年
4 李晓钢;王亚辉;罗仁茜;;基于贝叶斯网络的薄弱环节分析方法[A];技术融合创新·可靠服务企业·安全产品制胜——2013年全国机械行业可靠性技术学术交流会暨第四届可靠性工程分会第五次全体委员大会论文集[C];2013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 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
7 郑恒;吴祈宗;黄锴;;一种基于半定性贝叶斯网络的多专家知识集成方法[A];中国运筹学会第八届学术交流会论文集[C];2006年
8 刘振;代进进;王毅;;贝叶斯网络推理与算法[A];2006北京地区高校研究生学术交流会——通信与信息技术会议论文集(下)[C];2006年
9 王尚斌;赵俊渭;;基于遗传算法的分布式贝叶斯数据融合系统优化[A];2005年全国水声学学术会议论文集[C];2005年
10 李怡康;赵婷;孙歆;颜立;;基于贝叶斯网络的静态源代码安全缺陷评价方法[A];2012年电力通信管理暨智能电网通信技术论坛论文集[C];2013年
11 王竞春;丁贵涛;黄亚楼;;贝叶斯网络分类器的知识提取方法研究[A];第二十一届中国数据库学术会议论文集(技术报告篇)[C];2004年
12 邓红;陈丹;周方;;基于贝叶斯网络的多主题对话管理方法研究[A];2010通信理论与技术新发展——第十五届全国青年通信学术会议论文集(下册)[C];2010年
13 张承进;成枢;;贝叶斯预测模型的递推算法[A];1993中国控制与决策学术年会论文集[C];1993年
14 廖学清;吕强;;试析数据缺失下学习贝叶斯网中初始网络的选择[A];2008'中国信息技术与应用学术论坛论文集(二)[C];2008年
15 孙思;;基于贝叶斯网络方法的说明者信念度相关性模型——科学说明相关性问题的一个解决方案[A];改革开放以来逻辑的历程——中国逻辑学会成立30周年纪念文集(上卷)[C];2009年
16 周海刚;沈怀荣;;一种改进贝叶斯网络不确定性的方法[A];'2008系统仿真技术及其应用学术会议论文集[C];2008年
17 向清沛;朱剑钰;丁阁;曾军;郝樊华;田东风;;序贯贝叶斯辐射探测技术模拟研究[A];第三届全国核技术与应用学术研讨会会议资料文集[C];2012年
18 王江荣;文晖;赵权斌;;基于SPSS的贝叶斯逐步线性判别法在煤炭种类识别中的应用[A];2014年全国选煤学术交流会论文集[C];2014年
19 孙海燕;谢彦民;邱震;白锐锋;;基于贝叶斯网络的综合原子时系统可靠性评估[A];第二届中国卫星导航学术年会电子文集[C];2011年
20 程光生;阳雨平;;基于贝叶斯网络的尾矿库溃坝风险预警研究[A];环境工程2017增刊2下册[C];2017年
中国博士学位论文全文数据库 前20条
1 曹杰;贝叶斯网络结构学习与应用研究[D];中国科学技术大学;2017年
2 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
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 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
5 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
6 马德仲;基于贝叶斯网络和多源信息构建可靠性分析模型方法研究[D];哈尔滨理工大学;2015年
7 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
8 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
9 李艳颖;贝叶斯网络学习及数据分类研究[D];西安电子科技大学;2015年
10 贾海洋;贝叶斯网学习若干问题研究[D];吉林大学;2008年
11 胡春玲;贝叶斯网络结构学习及其应用研究[D];合肥工业大学;2011年
12 崔佳旭;贝叶斯图优化:关注成本的网络优化理论与方法[D];吉林大学;2021年
13 王红梅;保护隐私的贝叶斯网络学习研究[D];天津大学;2006年
14 董立岩;贝叶斯网络应用基础研究[D];吉林大学;2007年
15 张德利;基于贝叶斯网络的故障智能诊断方法研究[D];华北电力大学(河北);2008年
16 徐磊;基于贝叶斯网络的突发事件应急决策信息分析方法研究[D];哈尔滨工业大学;2013年
17 高妍方;判别贝叶斯网络的学习算法及其应用研究[D];国防科学技术大学;2008年
18 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
19 王治强;分位数回归模型的贝叶斯统计推断[D];云南大学;2019年
20 张建军;贝叶斯非参数先验的若干应用[D];华东师范大学;2017年
中国硕士学位论文全文数据库 前20条
1 辛国福;贝叶斯网络中的因果推断[D];西安电子科技大学;2011年
2 华在锋;一种基于规则库的贝叶斯网络开发器的设计与实现[D];东北大学;2005年
3 葛燕;人机结合的贝叶斯网建模方法研究[D];西安理工大学;2009年
4 陈胜民(SEIN MINN);多维贝叶斯网络分类器学习算法[D];华侨大学;2015年
5 赵月南;基于贝叶斯网络的电机故障诊断研究[D];浙江大学;2016年
6 张艳芳;贝叶斯网络在手写数字识别中的应用与研究[D];华北电力大学;2011年
7 莫富强;基于领域知识的贝叶斯网络学习研究[D];合肥工业大学;2008年
8 张剑飞;贝叶斯网络学习方法和算法研究[D];东北师范大学;2005年
9 杨哲;基于自助法的贝叶斯网结构学习[D];长春工业大学;2020年
10 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
11 胡春玲;贝叶斯网络的结构学习算法研究[D];合肥工业大学;2006年
12 王军;贝叶斯网络在认知诊断中的应用[D];南京师范大学;2012年
13 齐培培;基于贝叶斯网络的水质污染评价及预测[D];武汉理工大学;2009年
14 任华;基于贝叶斯网的石油管道腐蚀研究[D];华中科技大学;2009年
15 高塔;基于改进贝叶斯网络的高维数据本地差分隐私方法的研究[D];北京交通大学;2021年
16 郭艳军;贝叶斯网学习方法及应用研究[D];华中科技大学;2009年
17 郑洪斌;基于贝叶斯网的统计决策模型及应用[D];长春工业大学;2010年
18 张燕;基于贝叶斯网络的微阵列数据研究[D];中山大学;2010年
19 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
20 胡良东;共识贝叶斯网络研究及应用[D];吉林大学;2013年
中国重要报纸全文数据库 前2条
1 郑磊;投资人的“贝叶斯修养”[N];21世纪经济报道;2021年
2 ;神奇的贝叶斯邮件过滤器[N];网络世界;2003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