单调贝叶斯网络参数学习算法研究

发布时间：2022-09-30 17:43

　　随着人工智能技术受到人们越来越广泛的重视和应用,贝叶斯网络作为经典的机器学习算法,以其概率推理准确和语义表达清晰的优势,在不确定性建模和概率推理等问题上得到了广泛的应用。贝叶斯网络参数学习作为贝叶斯网络研究和应用的一个重要的问题和挑战,准确地学习网络参数对贝叶斯网络模型的准确性和可解释性具有重要的影响。在现实世界的很多应用中,人们能够收集得到的样本数据是有限的。所以,针对有限的训练样本数据,如何提升网络参数学习的准确性是一个重要的研究课题。同时,有学者研究表明单调性广泛存在于生活中的各个领域,在很多问题中属性与属性、属性与决策之间存在着一定单调性关系。本文围绕着有限训练样本数据的贝叶斯网络参数学习问题,基于贝叶斯网络节点之间的单调性关系和贝叶斯网络的单调性展开研究,主要的研究工作和创新点如下:（1）本文提出了一种纯数据驱动的单调贝叶斯网络参数学习方法。首先,该方法通过单调性衡量指标自动地提取网络节点之间的单调性关系;然后,基于贝叶斯网络的单调性定义构造网络节点条件概率表的单调性不等式约束,将贝叶斯网络参数学习转化为一个约束优化问题;最后,通过不同的方法对该问题进行求解。在公开的标准贝叶... 

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题研究背景和意义
    1.2 研究现状及存在的问题
        1.2.1 结合专家先验知识的参数学习方法
        1.2.2 结合变量单调性知识的参数学习方法
        1.2.3 基于数据迁移的参数学习方法
        1.2.4 存在的问题
    1.3 本文主要研究内容和组织结构
        1.3.1 本文主要研究内容
        1.3.2 论文组织结构
第2章 相关概念及理论基础
    2.1 贝叶斯网络基础
        2.1.1 贝叶斯网络基本概念
        2.1.2 贝叶斯网络结构学习
        2.1.3 贝叶斯网络参数学习
        2.1.4 贝叶斯网络推理
    2.2 单调性度量指标
    2.3 本章小结
第3章 单调贝叶斯网络参数学习
    3.1 引言
    3.2 贝叶斯网络单调性定义
    3.3 基于单调性惩罚项的参数学习
        3.3.1 网络参数单调性约束
        3.3.2 单调性惩罚项构建
        3.3.3 双向单调性约束
    3.4 基于凸约束优化参数学习
    3.5 实验结果与分析
        3.5.1 数据集
        3.5.2 实验设置
        3.5.3 实验分析
    3.6 本章小结
第4章 缺失数据的单调贝叶斯网络参数学习
    4.1 引言
    4.2 缺失数据参数学习的EM算法
    4.3 基于参数单调性约束的EM改进算法
        4.3.1 参数单调性约束构建
        4.3.2 改进的EM算法
    4.4 实验结果与分析
        4.4.1 数据集
        4.4.2 实验设置
        4.4.3 实验分析
    4.5 本章小结
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
发表论文和参加科研情况说明
致谢


【参考文献】：
期刊论文
[1]Information entropy for ordinal classification[J]. HU QingHua , GUO MaoZu, YU DaRen ＆ LIU JinFu Harbin Institute of Technology, Harbin 150001, China.  Science China（Information Sciences）. 2010(06)

博士论文
[1]贝叶斯网络结构学习及其应用研究[D]. 胡春玲.合肥工业大学 2011



本文编号：3683987