多节点复杂贝叶斯网络结构学习方法研究
发布时间：2022-07-14 16:14
以贝叶斯网络（Bayesian Network,BN）为典型代表的概率图模型具有清晰透明的变量间因果关系表示形式,能够支持基于数据驱动的建模方法,并能够利用条件概率描述变量间的依赖程度,为机器学习提供了在概率空间下的理论模型框架。在运用BN理论解决实际问题时,首要任务是根据研究对象构建变量间内在关系的图形化表示模型。然而在BN模型构建过程中,模型结构搜索空间规模将随着变量个数的增加呈指数级增长,尤其当面对多节点复杂BN模型结构训练问题时,挖掘各节点间的关联关系具有极高的时间和空间复杂度。针对该问题,论文采取图模型分解思想,将多节点复杂BN结构学习任务划分成一系列中小规模BN结构优化的子任务,通过构建中小规模BN结构训练方法,来提高局部邻域结构的学习精度和计算效率,在此基础上,将上述方法应用于大规模BN拆分后的子图结构学习中,并通过合并子图最终完成大型有向无环图的构建。论文的主要研究工作如下:（1）提出一种基于双尺度约束模型的BN结构自适应学习算法,解决了由于结构搜索空间约束不合理导致迭代寻优过程中丢失潜在最优解的问题。该算法将最大互信息和条件独立性（Conditional Indepe...
【文章页数】：160 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景、目的及意义
1.1.1 研究背景
1.1.2 研究目的及意义
1.2 贝叶斯网络国内外研究进展
1.2.1 贝叶斯网络表示
1.2.2 贝叶斯网络学习
1.2.3 贝叶斯网络推理
1.2.4 贝叶斯网络应用
1.3 多节点复杂贝叶斯网络结构学习关键问题
1.4 论文研究内容
1.4.1 中小规模贝叶斯网络结构搜索空间约束模型构建
1.4.2 基于改进进化方法的中小规模贝叶斯网络结构搜索策略优化
1.4.3 基于马尔科夫覆盖的大规模贝叶斯网络的无向独立图构建
1.4.4 基于局部拓扑信息的大规模贝叶斯网络的无向独立图划分
1.5 论文主要创新点
1.6 论文组织结构
2 贝叶斯网络相关理论与方法
2.1 引言
2.2 贝叶斯网络基本概念
2.3 贝叶斯网络结构学习方法概述
2.3.1 基于约束的贝叶斯网络结构学习方法
2.3.2 基于评分搜索的贝叶斯网络结构学习方法
2.3.3 贝叶斯网络结构混合学习方法
2.4 基于图划分的多节点复杂贝叶斯网络结构学习
2.4.1 图模型分解的两种模式
2.4.2 全局结构草图的选择
2.4.3 无向独立图的分解方法
2.4.4 子图结构的合并方法
2.5 本章小结
3 中小规模贝叶斯网络结构搜索空间约束模型构建
3.1 引言
3.2 基于结构搜索空间约束模型的贝叶斯网络结构学习问题描述
3.3 双尺度约束模型
3.3.1 大尺度约束模型
3.3.2 小尺度约束模型
3.4 基于双尺度约束模型的中小规模贝叶斯网络结构自适应学习算法
3.4.1 贝叶斯网络结构自适应学习过程
3.4.2 编码方案设计及其理论证明
3.4.3 自适应变异算子设计
3.4.4 其它算子描述
3.5 仿真实验与分析
3.5.1 实验方案设计
3.5.2 仿真实验与结果分析
3.6 本章小结
4 基于改进进化方法的中小规模贝叶斯网络结构混合学习算法
4.1 引言
4.2 贝叶斯网络结构搜索问题描述
4.2.1 进化算法描述
4.2.2 基于进化算法的贝叶斯网络结构优化问题描述
4.3 搜索空间动态受限条件下基于改进进化方法的中小规模贝叶斯网络结构混合学习算法
4.3.1 编码方案设计与初始种群选择
4.3.2 优先重组算子设计
4.3.3 其它算子描述
4.3.4 算法实现
4.3.5 算法复杂度分析
4.4 仿真实验与分析
4.4.1 实验方案设计
4.4.2 仿真实验与结果分析
4.5 本章小结
5 基于马尔科夫覆盖的大规模贝叶斯网络无向独立图构建
5.1 引言
5.2 基于马尔科夫覆盖的大规模贝叶斯网络无向独立图构建问题描述
5.3 基于三阶段马尔科夫覆盖快速发现方法的大规模贝叶斯网络无向独立图构建算法
5.3.1 限制阶段
5.3.2 扩展阶段
5.3.3 收缩阶段
5.4 仿真实验与分析
5.4.1 实验方案设计
5.4.2 仿真实验与结果分析
5.5 本章小结
6 基于图划分的大规模贝叶斯网络结构学习
6.1 引言
6.2 基于节点介数的无向独立图划分问题描述
6.2.1 节点介数
6.2.2 基于节点介数的无向独立图划分问题描述
6.3 基于局部拓扑信息的大规模贝叶斯网络无向独立图分解模型
6.4 基于图划分的大规模贝叶斯网络结构递归学习算法
6.4.1 算法理论基础与定理证明
6.4.2 算法框架与实现
6.5 仿真实验与分析
6.5.1 实验方案设计
6.5.2 仿真实验与结果分析
6.6 本章小节
7 总结与展望
7.1 论文内容总结
7.2 研究工作展望
参考文献
缩略语表
重要符号对照表
攻读博士学位期间的研究成果及参与的科研项目
致谢
本文编号：3661463
【文章页数】：160 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景、目的及意义
1.1.1 研究背景
1.1.2 研究目的及意义
1.2 贝叶斯网络国内外研究进展
1.2.1 贝叶斯网络表示
1.2.2 贝叶斯网络学习
1.2.3 贝叶斯网络推理
1.2.4 贝叶斯网络应用
1.3 多节点复杂贝叶斯网络结构学习关键问题
1.4 论文研究内容
1.4.1 中小规模贝叶斯网络结构搜索空间约束模型构建
1.4.2 基于改进进化方法的中小规模贝叶斯网络结构搜索策略优化
1.4.3 基于马尔科夫覆盖的大规模贝叶斯网络的无向独立图构建
1.4.4 基于局部拓扑信息的大规模贝叶斯网络的无向独立图划分
1.5 论文主要创新点
1.6 论文组织结构
2 贝叶斯网络相关理论与方法
2.1 引言
2.2 贝叶斯网络基本概念
2.3 贝叶斯网络结构学习方法概述
2.3.1 基于约束的贝叶斯网络结构学习方法
2.3.2 基于评分搜索的贝叶斯网络结构学习方法
2.3.3 贝叶斯网络结构混合学习方法
2.4 基于图划分的多节点复杂贝叶斯网络结构学习
2.4.1 图模型分解的两种模式
2.4.2 全局结构草图的选择
2.4.3 无向独立图的分解方法
2.4.4 子图结构的合并方法
2.5 本章小结
3 中小规模贝叶斯网络结构搜索空间约束模型构建
3.1 引言
3.2 基于结构搜索空间约束模型的贝叶斯网络结构学习问题描述
3.3 双尺度约束模型
3.3.1 大尺度约束模型
3.3.2 小尺度约束模型
3.4 基于双尺度约束模型的中小规模贝叶斯网络结构自适应学习算法
3.4.1 贝叶斯网络结构自适应学习过程
3.4.2 编码方案设计及其理论证明
3.4.3 自适应变异算子设计
3.4.4 其它算子描述
3.5 仿真实验与分析
3.5.1 实验方案设计
3.5.2 仿真实验与结果分析
3.6 本章小结
4 基于改进进化方法的中小规模贝叶斯网络结构混合学习算法
4.1 引言
4.2 贝叶斯网络结构搜索问题描述
4.2.1 进化算法描述
4.2.2 基于进化算法的贝叶斯网络结构优化问题描述
4.3 搜索空间动态受限条件下基于改进进化方法的中小规模贝叶斯网络结构混合学习算法
4.3.1 编码方案设计与初始种群选择
4.3.2 优先重组算子设计
4.3.3 其它算子描述
4.3.4 算法实现
4.3.5 算法复杂度分析
4.4 仿真实验与分析
4.4.1 实验方案设计
4.4.2 仿真实验与结果分析
4.5 本章小结
5 基于马尔科夫覆盖的大规模贝叶斯网络无向独立图构建
5.1 引言
5.2 基于马尔科夫覆盖的大规模贝叶斯网络无向独立图构建问题描述
5.3 基于三阶段马尔科夫覆盖快速发现方法的大规模贝叶斯网络无向独立图构建算法
5.3.1 限制阶段
5.3.2 扩展阶段
5.3.3 收缩阶段
5.4 仿真实验与分析
5.4.1 实验方案设计
5.4.2 仿真实验与结果分析
5.5 本章小结
6 基于图划分的大规模贝叶斯网络结构学习
6.1 引言
6.2 基于节点介数的无向独立图划分问题描述
6.2.1 节点介数
6.2.2 基于节点介数的无向独立图划分问题描述
6.3 基于局部拓扑信息的大规模贝叶斯网络无向独立图分解模型
6.4 基于图划分的大规模贝叶斯网络结构递归学习算法
6.4.1 算法理论基础与定理证明
6.4.2 算法框架与实现
6.5 仿真实验与分析
6.5.1 实验方案设计
6.5.2 仿真实验与结果分析
6.6 本章小节
7 总结与展望
7.1 论文内容总结
7.2 研究工作展望
参考文献
缩略语表
重要符号对照表
攻读博士学位期间的研究成果及参与的科研项目
致谢
本文编号：3661463
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3661463.html
