【摘 要】
：
贝叶斯网络是一种建立在概率和统计理论基础上的数据分析和辅助决策工具,以其坚实的理论基础、自然的表示方式、灵活的推理能力和方便的决策机制受到越来越多研究学者的重视.
论文部分内容阅读
贝叶斯网络是一种建立在概率和统计理论基础上的数据分析和辅助决策工具,以其坚实的理论基础、自然的表示方式、灵活的推理能力和方便的决策机制受到越来越多研究学者的重视.目前,贝叶斯网络已经广泛应用于数据挖掘、医疗诊断、工业控制、投资风险分析、预测、语音识别等领域,具有非常广阔的研究前景. 针对当前贝叶斯网络方法的研究难点和研究热点,论文主要进行了以下几个方面的研究工作: (1)提出了一种基于进化计算的贝叶斯网络结构学习方法——EM-EA方法.(2)提出了一种贝叶斯网络结构的增量学习方法——IEMA.IEMA将EM-EA方法引入到了贝叶斯网络结构的增量学习过程中,有效克服了增量爬山算法存在的局部极值问题.(3)研究了由Noisy-Or和Noisy-And节点组成的贝叶斯网络的参数学习和结构学习算法.参数学习算法借鉴人工神经网络的误差传播算法,对网络参数的信念和误差进行传播和修正.(4)研究了动态贝叶斯网络(DBN:Dynamic Bayesian Networks)的学习和近似推断技术.
其他文献
该论文根据Jones提出的文档方法论,采用包括J2EE和LDAP在内的先进的软件技术,设计了基于J2EE的文档管理系统的体系结构和软件层次模型.这是一个配置灵活的、可伸缩的以及具有
该文针对当前分布式安全现状和现实需要,分析和跟踪了国外分布式安全和应用服务器的最新进展,并就基于J2EE的分布式安全体系结构进行了比较深入的研究.在分布式环境下提供的
该论文主要包括五个方面内容.第一部分，定义告警信息语法模型;第二部分，如何从含有很多噪音的告警数据中，发现告警相关性规则的数据挖掘算法的研究;第三部分，如何进行增量数据挖
随着互联网的快速发展,云计算概念持续升温。云计算所具有的高可靠性,可扩展性,按需计费,虚拟化等特性使其在产业界、学术界、政府等各界引起强烈的关注。在互联网的冲击下,
随着移动计算机日益广泛的使用和人们对网络依赖性的增加,如何让人们能够随时随地的访问Internet,在移动的过程中保持通信不间断已经成为当前Internet技术研究的关键问题.传
随着计算机技术和电信技术不断发展和进步,加上日益旺盛的社会需求的持续推动,呼叫中心行业一直处于高速发展。但是多年以来呼叫中心的建设模式还是以自建为主,其高昂的建设
数据挖掘(Data Mining)就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。被信息产业界认
该文首先简要介绍了机器翻译技术的发展现状和几种主流的机器翻译方法,探讨了基于规则和基于统计两种主要的语言模型,对基于这两种语言模型的盲汉翻译方案进行分析和比较,论
该系统是与秦皇岛交通局运管处合作开发的,目的在于开发一套完整的物流管理信息系统,以适应当前物流业的需要和中国加入WTO的需要.该文详细阐述了基于B/S模式的面向业务对象
目前,国外在建立微波元器件神经网络模型时大都采用最速下降法,并且是step-by-step方式,存在着收敛速度慢、需要人工干预的问题.针对这些问题,我们对常用的前馈神经网络训练