收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

融合先验的贝叶斯网络结构学习及其在智能决策中的应用

叶思懋  
【摘要】:贝叶斯网络(Bayesian Networks,BN)作为一种因果概率图模型,是处理不确定性问题的有力工具。在利用BN解决实际问题时,首先要构建BN的结构,BN结构可以依靠专家经验构造或者是从数据中学习得到。目前实际问题中获取BN结构的普遍方法是融合先验进行结构学习,这样可以有效地结合专家先验和样本信息,获取更精确的模型。因此需要进行融合先验的BN结构学习方法研究,例如BN应用于战场中无人机(Unmanned Aerial Vehicle,UAV)智能决策时,需要构建可靠的网络结构,如何应对不正确的专家先验,以及在给出确定性先验后如何进行精确求解都有待研究。针对上述问题,本文开展融合先验的BN结构学习方法和将其应用于UAV智能决策两方面的研究。论文的主要研究内容如下:1、提出一种新型融合不确定先验的结构学习方法。对评分搜索法进行深入研究,在评分和搜索两个环节中利用先验信息。首先,提出了基于罚项的融合不确定先验的评分函数,其中引入了熵的概念,并研究如何使其具有可分解性。其次,提出了融合不确定先验的搜索策略,增强先验信息利用的鲁棒性,此方法适用于任何启发式搜索方法。最后用爬山法仿真验证,仿真结果表明了该方法能有效地利用正确的先验信息,而且对错误的先验信息有较强的适应能力。2、提出一种融合先验的动态规划结构学习方法。通过研究动态规划的规划模式和内涵,用边和路径约束对其过程进行限制,从而将确定性边和路径约束融合到动态规划的BN结构学习当中。具体地,一方面用约束对动态规划的规划过程进行限制,缩小规划空间;另一方面对稀疏父节点图进行进一步研究,利用约束限制最优父节点的选取,确保了最优结构符合先验。最后将融合先验的方法与不融合先验的方法进行仿真对比,仿真结果验证了本文方法的有效性,也证明了融合先验能明显提高BN结构学习的效率和精度。3、提出一种UAV智能攻击决策的BN建模方法。对UAV决策攻击问题进行了详细研究,然后对贝叶斯网络在该问题中应用的基本思路和流程进行设计,接着给出建模的具体步骤:先根据UAV对空作战想定对攻击决策问题进行基本的数学建模,再确定结构的相关先验,然后用本文提出的方法进行结构学习,之后进行参数学习。最后说明如何利用BN模型进行攻击决策。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 张秀方;唐兴佳;;贝叶斯网络应用中的结构学习方法研究[J];电子科技;2014年04期
2 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
3 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
4 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
5 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
6 陈飞;王本年;高阳;陈兆乾;陈世福;;贝叶斯学习与强化学习结合技术的研究[J];计算机科学;2006年02期
7 张燕;陈兆蕙;;基于贝叶斯网络的基因调控研究[J];数学的实践与认识;2020年08期
8 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
9 段宏英;姜威;于帅;;基于分治策略的贝叶斯网学习方法及在图像分割中的应用[J];网络空间安全;2016年05期
10 张银丽;侯立初;邹钢;;基于贝叶斯网络的推理在城镇土地估价分析中的应用[J];电脑开发与应用;2007年08期
11 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
12 彭征明;李云芝;罗小明;;基于贝叶斯网的作战效能评估方法研究[J];装备指挥技术学院学报;2007年02期
13 马壮,杨善林,胡小建;贝叶斯网结构学习的研究现状及发展趋势[J];合肥工业大学学报(自然科学版);2005年08期
14 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
15 赵玉震;王成;孙增国;赖雄鸣;;贝叶斯学派与频率学派在统计推断上的差异[J];电子设计工程;2013年13期
16 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
17 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
18 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
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 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
中国重要会议论文全文数据库 前10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 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
3 郑国臣;张静波;刘仕博;;贝叶斯信度网络技术在松辽流域水环境管理中的应用[A];2015第七届全国河湖治理与水生态文明发展论坛论文集[C];2015年
4 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
5 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
6 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
7 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
8 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
9 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
10 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
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 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
3 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
4 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
5 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
6 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
7 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
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 董立岩;贝叶斯网络应用基础研究[D];吉林大学;2007年
10 贾海洋;贝叶斯网学习若干问题研究[D];吉林大学;2008年
中国硕士学位论文全文数据库 前10条
1 叶思懋;融合先验的贝叶斯网络结构学习及其在智能决策中的应用[D];西北工业大学;2018年
2 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
3 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
4 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
5 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
6 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
7 姚庆生;基于遗传算法的因果发现研究[D];合肥工业大学;2012年
8 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
9 杨程;基于贝叶斯网络的过程报警事件预测方法[D];北京化工大学;2014年
10 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10条
1 王学伟;瞿海斌;王阶;从定性描述到定量分析贝叶斯网络协助中医诊断规范化[N];中国医药报;2005年
2 山枫;McAfee 用贝叶斯强化处理垃圾邮件[N];中国计算机报;2004年
3 ;神奇的贝叶斯邮件过滤器[N];网络世界;2003年
4 张宏斌;农金供需双方需提升动态规划能力[N];金融时报;2018年
5 修武县委理论学习中心组;创新学习方法 提高学习质效[N];焦作日报;2019年
6 南方日报记者 马立敏 钟哲 实习生 曹颖 陈丽华;“重视学习方法,才能事半功倍”[N];南方日报;2019年
7 记者 赵文肖;学习方法 广交朋友 吃透政策 推动创新[N];太行日报;2018年
8 鲁新香 旬阳县政协办公室主任;《梁家河》中的学习方法[N];各界导报;2018年
9 姜治雄;陕煤地质一三九公司党委 “五要素”创新学习方法[N];中煤地质报;2018年
10 浙江省兰溪市第一中学 施国勋;高中数学入门[N];发展导报;2017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