论文部分内容阅读
复杂性问题和不确定性问题一直以来是人工智能界的核心问题，Markov逻辑网可以同时处理这两个问题。Markov逻辑网是将一阶谓词逻辑与概率图模型相结合，以获取关系数据中的似然模型，被人工智能界公认是一种简单且较完美地结合一阶谓词逻辑和概率图模型的逻辑结构表达方式，具有广阔的应用前景和重要的研究价值，已成为机器学习、人工智能、数据挖掘等领域的研究热点。 本文研究了Markov逻辑网的推理算法，并将Markov逻辑网应用于图像的线特征提取。其主要工作如下: (1)分析比较了Exact推理算法、MC-SAT算法、Gibbs-Sampling算法、MaxWalkSAT算法、Lazy-SAT算法五种推理算法。针对不同的网络规模，从推理精度和效率两方面给出上述算法的性能比较结果。同时对Lazy-SAT算法中的参数给出了一种估计方法，为自适应选取算法中的参数提供了依据。 (2)提出了基于Markov逻辑网的图像线特征提取方法。首先，利用正交表对图像进行特征提取，以此特征作为Markov逻辑网的数据集;其次依据数据集中的特征及其关系定义并构成Markov逻辑网的谓词和谓词公式;然后借助Alchemy系统对构成Markov逻辑网进行参数学习和推理，提取出图像的线特征。实验结果表明，该方法可以获得较好的图像线特征提取结果。