人機結合的貝葉斯網建模方法研究.pdf

1、貝葉斯網是20世紀80年代提出的不確定性推理方法，是用來表示變量之間連接概率的圖形模式，它為因果關系提供了一種自然而有效的表達方式。貝葉斯網具備概率推理能力強、語義清晰、易于理解等技術特點，可以發(fā)現數據集中潛在的關系和模式，因此在數據挖掘中顯示出獨特的優(yōu)越性。正是基于這一出發(fā)點，本文將貝葉斯網建模方法作為一個核心研究內容，通過系統(tǒng)的理論研究，為貝葉斯網的建模和實際應用提供有力的依據。
　　本文致力于貝葉斯網的理論和建模方法的研究，

2、在前人工作的基礎上，提出了一些新的建模思路。全文研究了如下幾個問題：
　　(1)建模方法的研究
　　研究貝葉斯網的學習方法，針對機器學習方法搜索空間大，收斂速度慢的缺點，討論如何在學習的過程中融合專家的知識，先利用專家的先驗知識選擇“好的”網絡結構，再利用樣本數據求精，修正專家知識，以加快學習速度，很好的實現了人機結合。
　　(2)不完備數據下的結構學習
　　數據缺失，是一種很正常的現象。現實訓練數據集在采集時難

3、免會因為技術等問題存在著數據記錄中具體變量的具體屬性值缺失的現象。
　　數據缺失和網絡結構未知情況下學習貝葉斯網問題本身就存在重要的現實意義。如不能很好地解決，那么就說明貝葉斯網距離廣泛的應用還有很大的距離。
　　(3)探索初始網絡
　　在目前有關文獻中關于數據缺失下學習貝葉斯網問題都會涉及到初始網絡。這個初始網絡到底如何給出?它在學習貝葉斯網整個過程中所扮演的角色又是如何?諸多文獻并沒有給出統(tǒng)一意見。本文通過引入知識