鏈圖模型的結(jié)構(gòu)學(xué)習(xí)研究.pdf

1、因果圖模型是統(tǒng)計(jì)因果推斷的一個(gè)主要工具,而單純因果圖模型是一門(mén)新興卻又十分活躍的學(xué)科,也是一門(mén)很有實(shí)用價(jià)值的學(xué)科。因果圖模型是近幾年才開(kāi)始被研究,雖然到現(xiàn)在為止,已經(jīng)取得了很好的成績(jī),但是發(fā)展還不是很完善。因果圖模型主要包含馬爾可夫網(wǎng)絡(luò)結(jié)構(gòu)和貝葉斯網(wǎng)絡(luò)結(jié)構(gòu),馬爾可夫網(wǎng)絡(luò)結(jié)構(gòu)主要是用來(lái)定性和定量的,是一個(gè)無(wú)向圖網(wǎng)絡(luò)結(jié)構(gòu),其中節(jié)點(diǎn)代表變量,邊代表兩變量的相關(guān)性,我們利用無(wú)向圖一般是來(lái)討論兩變量的條件獨(dú)立性,主要應(yīng)用于語(yǔ)音識(shí)別、音字轉(zhuǎn)換、詞性

2、標(biāo)注。貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)是一個(gè)有向無(wú)環(huán)圖,有向邊代表因果作用,節(jié)點(diǎn)依舊是隨機(jī)變量,貝葉斯網(wǎng)絡(luò)是基于概率推理的數(shù)學(xué)模型,所謂概率推理就是通過(guò)一些變量的信息來(lái)獲取其他的概率信息的過(guò)程,基于概率推理的貝葉斯網(wǎng)絡(luò)(Bayesiannetwork)是為了解決不定性和不完整性問(wèn)題而提出的,它對(duì)于解決復(fù)雜設(shè)備不確定性和關(guān)聯(lián)性引起的故障有很明顯的優(yōu)勢(shì),在多個(gè)領(lǐng)域中獲得廣泛應(yīng)用。例如社會(huì)科學(xué),經(jīng)濟(jì)學(xué),計(jì)算科學(xué)等等。
　　這篇文章第一部分主要討論了在對(duì)未

3、觀測(cè)變量邊緣化后一個(gè)鏈圖(CG)的局部結(jié)構(gòu)學(xué)習(xí)問(wèn)題,以及如何從兩個(gè)局部結(jié)構(gòu)中恢復(fù)整個(gè)網(wǎng)絡(luò)結(jié)構(gòu)圖。其中給出了條件來(lái)判斷經(jīng)過(guò)邊緣化后,哪些確定出來(lái)的邊是正確的,哪些邊是不正確的。從而根據(jù)合并局部結(jié)構(gòu)的算法,去掉那些假邊,得到潛在的鏈圖結(jié)構(gòu)。
　　文章的第二部分主要是介紹了鏈圖學(xué)習(xí)的另一種算法一一遞歸算法。該算法是首先根據(jù)觀察數(shù)據(jù),建立一個(gè)完全無(wú)向圖,然后根據(jù)變量的條件獨(dú)立性,刪掉一些無(wú)向邊,建立一個(gè)無(wú)向獨(dú)立圖,隨后,根據(jù)邊緣化,一分二