基于抽樣的貝葉斯網(wǎng)絡(luò)推理算法研究.pdf

1、貝葉斯網(wǎng)絡(luò)提供了一套強(qiáng)有力的圖形工具來表達(dá)基于概率的領(lǐng)域知識，是對人工智能領(lǐng)域中不確定性問題進(jìn)行表示和處理的一種重要工具，已被成功應(yīng)用于故障診斷、數(shù)據(jù)挖掘和醫(yī)療診斷等領(lǐng)域。動態(tài)貝葉斯網(wǎng)絡(luò)是貝葉斯網(wǎng)絡(luò)在時間因素上的擴(kuò)展，是對人工智能領(lǐng)域中動態(tài)不確定性問題進(jìn)行表示和處理的一種重要工具。本文在對貝葉斯網(wǎng)絡(luò)進(jìn)行全面概述的基礎(chǔ)上，對貝葉斯網(wǎng)絡(luò)和動態(tài)貝葉斯網(wǎng)絡(luò)的近似推理進(jìn)行了研究。全文的主要內(nèi)容如下： (1) 貝葉斯網(wǎng)絡(luò)的概述。概述了貝葉斯

2、網(wǎng)絡(luò)的起源與發(fā)展，詳細(xì)介紹了貝葉斯網(wǎng)絡(luò)模型、貝葉斯網(wǎng)絡(luò)的構(gòu)建過程、貝葉斯網(wǎng)絡(luò)的類型以及貝葉斯網(wǎng)絡(luò)的應(yīng)用，并在此基礎(chǔ)上，對動態(tài)貝葉斯網(wǎng)絡(luò)進(jìn)行了概述：概述了貝葉斯網(wǎng)絡(luò)的主要研究內(nèi)容，并對貝葉斯網(wǎng)絡(luò)和動態(tài)貝葉斯網(wǎng)絡(luò)的推理算法進(jìn)行了重點(diǎn)介紹。 (2) 在貝葉斯網(wǎng)絡(luò)近似推理方面，針對貝葉斯網(wǎng)絡(luò)的馬爾可夫鏈蒙特卡洛(Markov Chain Monte Carlo，MCMC)推理存在的問題，本文以MCMC推理算法中具有代表性的Gibbs抽樣

3、為基本框架，提出一種貝葉斯網(wǎng)絡(luò)的并行MCMC(Parallel MCMC，PMCMC)推理方法，在生成馬爾可夫鏈的組成序列時，通過增加對貝葉斯網(wǎng)絡(luò)中每個結(jié)點(diǎn)的抽樣頻率，即加大樣本數(shù)來提高其推理精度，并在消息傳遞接口MPI的支持下，利用主從式并行機(jī)制來實(shí)現(xiàn)其推理過程，以保證推理的時間性能。在3個不同貝葉斯網(wǎng)絡(luò)即Asia、Mildew和Alarm網(wǎng)上的推理實(shí)驗(yàn)結(jié)果表明，PMCMC在提高推理精度的同時有效保證了推理的時間性能。 (3)

4、 在動態(tài)貝葉斯網(wǎng)絡(luò)近似推理方面，針對動態(tài)貝葉斯網(wǎng)絡(luò)的粒子濾波推理存在的問題，本文將離散粒子群優(yōu)化技術(shù)引入到傳統(tǒng)粒子濾波推理中，提出一種新的粒子濾波算法一進(jìn)化粒子濾波(Evolutionary Particle Filtering，EPF)。在進(jìn)化粒子濾波中，利用離散粒子群優(yōu)化技術(shù)的迭代尋優(yōu)能力重新分配粒子，使粒子的表示更加接近真實(shí)后驗(yàn)概率密度，以提高粒子濾波推理的精度性能。在2個不同動態(tài)貝葉斯網(wǎng)絡(luò)上的概率推理實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)的粒子濾