基于貝葉斯網(wǎng)絡結(jié)構(gòu)學習和分類器的數(shù)據(jù)挖掘研究.pdf

1、現(xiàn)實世界以及各個學科領(lǐng)域存在著大量的不確定現(xiàn)象和問題貝葉斯網(wǎng)絡是概率論與圖論相結(jié)合的產(chǎn)物，它一方面用圖論的語言描述問題的結(jié)構(gòu)，另一方面按照概率論的原則對問題的結(jié)構(gòu)加以利用，降低推理的計算復雜度為不確定性問題提供了一種自然而直觀的方法，貝葉斯網(wǎng)絡廣泛的應用于農(nóng)業(yè)醫(yī)療金融工業(yè)和國防等各個領(lǐng)域，產(chǎn)生顯著的社會效益和經(jīng)濟效益，對于貝葉斯網(wǎng)絡的進一步研究具有重要的理論意義和實用價值全文主要包括以下內(nèi)容： 首先對貝葉斯網(wǎng)絡的概述，介紹和分析

2、了數(shù)據(jù)挖掘的概念和背景與意義，貝葉斯網(wǎng)絡的發(fā)展與研究現(xiàn)狀總結(jié)和歸納出貝葉斯網(wǎng)絡與其他方法相比的優(yōu)勢和特點并對貝葉斯網(wǎng)絡結(jié)構(gòu)學習中的主要問題進行了深入地分析其次，融合搜索和打分算法及依賴分析基本思想，將互信息理論用于搜索和打分算法中的搜索階段，提出了ClWK結(jié)構(gòu)學習算法該算法利用互信息得到節(jié)點間的最大生成樹，進一步鏈模型結(jié)構(gòu)簡化了搜索復雜度，最后將得到的節(jié)點順序用于K2算法得到貝葉斯網(wǎng)絡算法時間復雜度低，并通過實驗表明該算法具有良好的性能