混合贝叶斯网的约简组合改进与高校投入产出预测研究

发布时间：2017-05-26 13:08

  本文关键词：混合贝叶斯网的约简组合改进与高校投入产出预测研究，由笔耕文化传播整理发布。

【摘要】：教育资源不足仍然是我国现阶段高等教育发展面临的重要挑战,如何使有限的投入资源发挥最大作用得到更大产出是各高校面临的重要问题。高校的投入产出研究有助于反映各高校各项资源的利用情况及存在的问题,从而指引其改善自身资源管理,提高教育质量。高校投入产出数据指标存在广泛的不确定性,贝叶斯网络是解决不确定性知识推理问题的有力工具。将贝叶斯网应用于高校投入产出预测研究,出现了下面的问题::1、高校投入产出预测研究涉及变量数目很多,而贝叶斯网络的多变量网络学习是一个NP-Hard问题;2、高校投入产出预测研究中涉及的变量既有离散型随机变量,又有连续型随机变量,而传统贝叶斯网络处理含有连续型随机变量网络学习问题时常常先将变量进行离散化,导致边缘锐化问题。针对这两个问题,本文提出混合贝叶斯网约简组合算法用于高校投入产出预测研究网络的学习。主要研究内容如下:(1)针对边缘锐化问题,将变量进行了模糊化处理。对于既含有实随机变量,又含有混合模糊随机性变量的混合贝叶斯网络的学习推理,给出其结构学习、参数学习及网络推理方法;(2)针对多变量网络构建困难问题,运用贝叶斯网约简组合算法解决。对现有约简组合算法进行改进,通过实验分析证明了改进后算法在网络学习、网络评分、模型训练时间及推理正确率等方面均优于原算法;(3)分别用改进后贝叶斯网约简组合算法和改进后混合贝叶斯网约简组合算法构建高校投入产出预测推理网络,比较两模型的推理正确率,发现混合贝叶斯网约简组合算法更适合于处理高校投入产出预测推理问题。
【关键词】：混合贝叶斯网络 约简与组合 高校投入产出 不确定性推理
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：G647;TP18
【目录】：

• 摘要5-6
• Abstract6-10
• 第一章 绪论10-15
• 1.1 研究背景和意义10-12
• 1.2 贝叶斯网络的研究现状12-13
• 1.3 本文的内容和组织13-15
• 第二章 贝叶斯网络基本理论15-26
• 2.1 贝叶斯网络定义15-16
• 2.2 贝叶斯网络理论基础16-20
• 2.2.1 概率论基础16-18
• 2.2.2 图论基础18-19
• 2.2.3 信息论基础19-20
• 2.3 贝叶斯网络结构学习20-24
• 2.4 贝叶斯网络参数学习24
• 2.5 贝叶斯网络推理24-25
• 2.6 本章小结25-26
• 第三章 混合贝叶斯网约简组合算法26-44
• 3.1 混合贝叶斯网络理论基础26-33
• 3.1.1 模糊理论基础26-28
• 3.1.2 模糊概率理论28-32
• 3.1.3 模糊信息论理论32-33
• 3.2 混合网络CPT表33-36
• 3.3 混合贝叶斯网络参数学习36-39
• 3.4 混合贝叶斯网络结构学习39-41
• 3.5 混合贝叶斯网络结构推理41-43
• 3.6 本章小结43-44
• 第四章 高校投入产出贝叶斯网络建立44-74
• 4.1 高校投入产出预测研究数据44-49
• 4.2 数据预处理49-52
• 4.3 改进的贝叶斯网约简组合算法52-68
• 4.3.1 问题提出52-53
• 4.3.2 基于因果关系定义相似度的聚类53-55
• 4.3.3 结合遗传算法的贝叶斯子网组合方法55-59
• 4.3.4 改进的贝叶斯网约简组合算法分析59-68
• 4.4 高校投入产出贝叶斯网络的构建68-73
• 4.4.1 高校投入产出变量聚类68-70
• 4.4.2 高校投入产出贝叶斯子网建立70-71
• 4.4.3 高校投入产出贝叶斯子网组合71-73
• 4.5 本章小结73-74
• 第五章 高校投入产出混合贝叶斯网络建立74-87
• 5.1 改进的混合贝叶斯网约简组合算法74-75
• 5.2 高校投入产出数据模糊化处理75-78
• 5.3 高校投入产出混合贝叶斯网络的构建78-82
• 5.3.1 高校投入产出混合贝叶斯子网建立78-80
• 5.3.2 高校投入产出混合贝叶斯子网组合80-82
• 5.4 高校投入产出混合贝叶斯网络应用与分析82-86
• 5.5 本章小结86-87
• 结论87-88
• 参考文献88-90
• 攻读硕士学位期间取得的研究成果90-91
• 致谢91-92
• 附件92

【参考文献】

中国期刊全文数据库 前3条

1 张继国，张文修;模糊随机变量及其概率分布[J];模糊系统与数学;1996年04期

2 陈望宇;廖芹;;基于遗传算法的贝叶斯网络模型研究[J];计算机工程与设计;2009年11期

3 耿直;因果推断与Simpson悖论[J];统计与信息论坛;2000年03期

中国博士学位论文全文数据库 前1条

1 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4条

1 秦松;基于改进云遗传算法的贝叶斯网络结构学习[D];浙江大学;2012年

2 邱智聪;基于模糊随机的贝叶斯网络理论与应用研究[D];华南理工大学;2012年

3 巫炳伟;混合不确定性贝叶斯网络的学习模型及其R软件的辅助实现[D];华南理工大学;2013年

4 王国勇;基于多子网优化组合的贝叶斯网络结构与学习模型研究[D];华南理工大学;2013年

  本文关键词：混合贝叶斯网的约简组合改进与高校投入产出预测研究，，由笔耕文化传播整理发布。

本文编号：396918