基于領(lǐng)域知識的貝葉斯網(wǎng)絡(luò)學(xué)習(xí)研究.pdf

1、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(jiān)實(shí)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(diǎn)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(diǎn)規(guī)模大幅度增加時(shí)，由專家構(gòu)建網(wǎng)絡(luò)是既費(fèi)時(shí)又費(fèi)力的，而實(shí)踐中一般難以獲取大量的數(shù)據(jù)，即使擁有足夠的數(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

2、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(diǎn)。本文通過將大規(guī)模時(shí)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E

3、M算法進(jìn)行了改進(jìn)。實(shí)驗(yàn)表明改進(jìn)的DA-EM算法在保證結(jié)果精度的前提下，在時(shí)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)，卻需要用大的訓(xùn)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(shí)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