資源描述：
《基于領(lǐng)域知識的貝葉斯網(wǎng)絡(luò)學(xué)習(xí)研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、合肥工業(yè)大學(xué)碩士學(xué)位論文基于領(lǐng)域知識的貝葉斯網(wǎng)絡(luò)學(xué)習(xí)研究姓名：莫富強(qiáng)申請學(xué)位級別：碩士專業(yè)：計算機(jī)軟件與理論指導(dǎo)教師：王浩20080401基于領(lǐng)域知識的貝葉斯網(wǎng)絡(luò)學(xué)習(xí)研究摘要貝葉斯網(wǎng)是圖形表示和概率知識的有機(jī)結(jié)合，它揭示了領(lǐng)域?qū)ο蟮膬?nèi)在聯(lián)系，是復(fù)雜全概率分布的緊湊表達(dá)方式。其堅實的理論基礎(chǔ)，知識結(jié)構(gòu)的自然表述，靈活的推理能力以及方便的決策機(jī)制使其應(yīng)用范圍越來越廣泛。通常具有少數(shù)節(jié)點的網(wǎng)絡(luò)由專家構(gòu)建是準(zhǔn)確和高效的，但是當(dāng)節(jié)點規(guī)模大幅度增加時，由專家構(gòu)建網(wǎng)絡(luò)是既費時又費力的，而實踐中一般難以獲取大量的數(shù)據(jù)，即使擁有足夠的
2、數(shù)據(jù)，但沒有領(lǐng)域知識的指導(dǎo)，學(xué)習(xí)算法也難以收斂到正確的網(wǎng)絡(luò)結(jié)構(gòu)和網(wǎng)絡(luò)參數(shù)。鑒于此，本文嘗試在貝葉斯網(wǎng)絡(luò)學(xué)習(xí)算法中引入領(lǐng)域知識，以提高算法的學(xué)習(xí)精度和執(zhí)行效率。本文的主要內(nèi)容如下：(1)貝葉斯網(wǎng)絡(luò)的概述。全面介紹和分析了貝葉斯網(wǎng)絡(luò)的研究背景、研究現(xiàn)狀和研究趨勢：貝葉斯網(wǎng)絡(luò)的基本原理；貝葉斯網(wǎng)絡(luò)的典型學(xué)習(xí)算法。(2)EM算法是動態(tài)貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)的一種主要方法，收斂速度慢，算法執(zhí)行效率低是其主要缺點。本文通過將大規(guī)模時序數(shù)據(jù)集劃分為較小的數(shù)據(jù)塊，并通過塊間的循環(huán)迭代，增量式地更新似然函數(shù)和網(wǎng)絡(luò)參數(shù)，對傳統(tǒng)的EM算法進(jìn)行
3、了改進(jìn)。實驗表明改進(jìn)的DA．EM算法在保證結(jié)果精度的前提下，在時間性能上有較大的提高。(3)SEM算法雖可用于具有缺省數(shù)據(jù)的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的學(xué)習(xí)，卻需要用大的iJtI練樣本集來改善算法本身存在的一些缺陷，如：學(xué)習(xí)精度不夠高、算法收斂速度慢和容易陷入局部最優(yōu)。而現(xiàn)實中，很難搜集到足夠多的訓(xùn)練樣本。本文提出結(jié)構(gòu)學(xué)習(xí)改進(jìn)算法KB．SEM，將專家知識以禁忌表的形式融入SEM算法中，以約束算法的搜索空間，達(dá)到提高SEM算法精度的目的。實驗表明，KB．SEM算法能夠顯著提高SEM算法的執(zhí)行效率，并在一定程度上改善算法的時間性能，
4、克服算法的局部最優(yōu)，避免主觀偏見和數(shù)據(jù)噪音給學(xué)習(xí)結(jié)果帶來的片面性，產(chǎn)生一個對專家有高接受度的網(wǎng)絡(luò)。關(guān)鍵詞：貝葉斯網(wǎng)絡(luò)，領(lǐng)域知識，參數(shù)學(xué)習(xí)，結(jié)構(gòu)學(xué)習(xí)，D．S證據(jù)理論TheResearchofBayesianNetworksLearningBasedonDomainKnowledgeABSTRACTBayesiannetworkisthedirectlygraphicrepresentation，itvividlydescribethecorrespondingfieldthing’Sdegreeofrelative．T
5、heBayesiannetworkcanreasonandpredictsomething，anditisamainmethoddealingwithuncertainfact．Usuallyexpertscanconstructafittingnetworkaccordingtotheirknowledge，however,constructingnetworkistime··consumingandlabor--consumingforcomplicatednetworks．Ifanexpertwascarele
6、ss，hewillconstructawrongnetwork．Wecannotacquireenoughdatabyobservationintheworld．Althoughenoughdadaisobtained，wecouldn’tmakethelearningalgorithmconvergetothecorrectBayesiannetworkwithoutdomainknowledge．Becauseofthemethodconsideredabove。domainknowledgeiSintroduc
7、edinthelearningalgorithminthisdissertationinordertoimprovetheprecisionandthespeedeffectively．Themaincontentsofthisdissertationareasfollows：(1)ThisdissertationmakesasurveyabouttheresearchonBayesiannetworks，includingthebackground，thecurrentresearchstateanddevelop
8、menttrendofBayesiannetworks，thebasicprincipleofBayesiannetworks，theintroductionandanalysisoftheclassicalgorithmsforinferringandlearningofBayesiannetworks．(2)TheEMalgorithmis
