贝叶斯网络及马尔科夫毯的学习算法研究

来源 :西安电子科技大学 | 被引量 : 0次 | 上传用户:xxcdejingcai
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
贝叶斯网络是概率论与图论相结合的一种图模型结构,在不确定性知识表达和推理方面具有显著而独特的优势,并已成功的应用于机器学习、人工智能、数据挖掘与预测等多个领域.然而,随着数据维数的不断增大,网络节点数目随之增多.贝叶斯网络结构的构建与进一步研究仅依靠专家的领域知识以及已有学习算法都显得极其艰难.因此,研究贝叶斯网络结构的学习成为各领域的热点.其次,数据挖掘非常有力的工具之一分类器也引起了人们的重视,然而属性选择对于分类器的研究起着至关重要的作用.但是数据维数的增大,使得属性选择空间变大,因此给经典属性选择方法提出了新挑战.针对较高维数的数据进行分类器学习与局部学习贝叶斯网络结构等问题,可通过马尔科夫毯的学习与研究予以解决.本文首先对马尔科夫毯的学习进行深入探讨;其次,研究贝叶斯网络结构学习;最后,基于原有算法分别对上述两类问题提出了新算法.具体工作如下:首先,本文在马尔科夫毯学习算法HITON的基础上结合有效属性集提出了EFHITON算法,并且算法在寻求目标变量T的父子节点集过程中及时存储目标变量T与其非父子节点的分割集,储存的集合族为确定T的配偶节点时,可以避免重复独立性检验.其次,提出FEIPC-MB,它主要在原IPC-MB算法的基础上结合互信息知识,调节与目标变量独立性检验候选邻居节点的顺序.此外根据启发式思想改变了条件独立性检验时条件集随机选取机制.其次,高阶条件独立性检验不可靠且检验次数随着网络中节点数目增长呈指数级变化,使得大部分基于约束学习算法对于大型网络结构学习变的非常困难.鉴于此本文基于PC算法提出了新的FEPC算法.主要改进如下:第一,按照各节点邻居集的大小升序排列,对排序后满足独立性检验条件的所有节点按序列依次进行同阶检验,确定每个节点与其邻居节点的独立关系,迭代上述过程;第二,基于互信息理论及意义.对于单个目标变量来说,先检测与其互信息较小的候选邻居节点的独立性关系,在此过程中以与目标变量互信息较大的节点构成条件集.最后,新算法EFHITON、FEIPC-MB和FEPC分别与其相对应的经典算法通过实验仿真结果进行比较.实验结果显示,新算法不但减少了条件独立性检验次数,而且降低了检验时条件集的阶数.故而,新算法具有较低的时间复杂度且在精度以及正确率有明显的优势.
其他文献
多播组密钥管理研究如何实现信息的排外共享,主要解决如何为组成员生成、分发和更新组密钥,以及由此引发的扩展性、健壮性和可靠性问题,为动态多播通信提供安全保障。   多播
他,曾经4次卸任,又4次被村民们深情地挽留;他曾经想过清闲安逸的农家生活,种田、浇水、带孙子,安安稳稳,无忧无虑。但他不能够。是什么原因,让他身不由己?因为,他是全村人的
E木业网2016-06-23报道:温哥华全球木材市场研究机构6月15日公布一份报告显示,俄罗斯在今年内大幅增加向中国出口木材数量,而与此同时,加拿大尤其是BC省向中国出口木材数量出
本文以新能源类上市公司的经济效益问题为主线,提出了适用于新能源类上市公司经济效益的评价指标。后续的各章节都是围绕这一主题展开。在本文中,运用综合分析方法,定性分析
多项式相位信号是雷达、声呐、电子对抗等领域常见的信号,是雷达远距离实现高分辨率的一种重要信号,且在通信,生物医学,地震等领域有广泛应用,因而,多项式相位信号处理是当前信号处
学位
内蒙古大学文学与新闻传播学院张丽萍教授的专著《内蒙古民国报刊史研究》于2014年12月由内蒙古大学出版社出版。该书是地区新闻史研究方面的一部力作,是第一部系统研究内蒙
Steiner树问题是一个历史悠久的经典的组合优化问题,由于应用广泛,多年来一直受到研究者的广泛关注。Steiner树问题是一个NP-完备问题,无法在多项式时间内求得其最优解。本文在
在语文教学中关注学生的学习兴趣,只有从一开始就关注学生的兴趣培养,才能使学生的学习由被动变为主动,变厌学为乐学.
北京·埃森焊接与切割展览会(BEW)由中国机械工程学会、中国机械工程学会焊接分会、中国焊接协会、中国焊接协会焊接设备分会、德国焊接学会和德国埃森展览公司共同主办,自19
不等式组作为一种基本的数学结构,在数值分析,线性与非线性规划,工程等领域都有广泛的应用.鉴于不等式组在优化理论研究和实践应用上的重要性,探究如何有效地求解不等式组引