基于貝葉斯網絡數據挖掘算法的研究.pdf

1、隨著數據庫和計算機網絡的廣泛應用，加之使用先進的自動數據生成和采集工具，人們所擁有的數據量急劇增大，利用信息技術生產和搜集數據的能力也大幅度提高，如何有效地利用和處理信息成為當今世界共同關心的熱點課題。由于數據庫技術、人工智能和數理統(tǒng)計等技術的不斷發(fā)展與融合，數據挖掘技術應運而生。數據挖掘是一門新興的交叉學科，也是現代科學技術相互滲透的必然結果，基本目標就是從大量的數據中提取隱藏的、潛在的和有用的知識和信息。這一技術自20世紀末提出以來

2、，引起了許多專家學者的廣泛關注，并應用到金融業(yè)、零售業(yè)、醫(yī)療保健和政府決策等各個領域，取得了良好的社會效益和經濟效益，具有廣闊的開發(fā)前景和應用前景。 貝葉斯網絡是概率論與圖論相結合的產物，提供了不確定性環(huán)境下的知識表示、推理、學習手段，可以完成決策、診斷、預測、分類等任務，因其良好的可理解性和邏輯性成為數據挖掘的重要方法。 本文致力于貝葉斯網絡的理論和算法的研究，全文研究了如下幾個問題： 1.貝葉斯網絡和數據挖掘

3、的結合。貝葉斯網絡起源于貝葉斯統(tǒng)計學，數據挖掘本質上具有很強的統(tǒng)計色彩，促成了二者的結合。 2.貝葉斯網絡的推理。通過在網絡中進行推理，可以得到任意節(jié)點間的依賴關系，從而確定數據庫中節(jié)點所表示事件間的聯系，同時對事件的發(fā)展進行預測。針對不同的網絡，可以采用不同的推理算法，以加快推理速度，提高計算效率。聯合樹算法以其容易理解，適用范圍廣等特點成為目前應用最多的精確推理算法。 3.貝葉斯網絡的學習。貝葉斯網絡的學習是數據挖掘