基于圖分塊的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習研究.pdf

1、貝葉斯網(wǎng)絡(luò)作為一種圖形化的建模工具，提供了一種表示變量之間因果關(guān)系的方法，在不確定推理方面發(fā)揮了很大的優(yōu)勢，并廣泛運用于專家系統(tǒng)、人工智能、機器學(xué)習等領(lǐng)域。結(jié)構(gòu)學(xué)習是將有向無環(huán)圖和概率論有機結(jié)合，根據(jù)變量的觀測數(shù)據(jù)確定貝葉斯網(wǎng)絡(luò)中節(jié)點間因果關(guān)系的一種方法，是貝葉斯網(wǎng)絡(luò)學(xué)習中的重點和難點。隨著大數(shù)據(jù)時代的到來，網(wǎng)絡(luò)規(guī)模越來越龐大，傳統(tǒng)結(jié)構(gòu)學(xué)習算法在學(xué)習效率和學(xué)習精度上的問題日益凸顯出來。
　　本文從傳統(tǒng)的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習框架入手，

2、將復(fù)雜網(wǎng)絡(luò)中圖分塊方法加入到結(jié)構(gòu)學(xué)習的過程中，改進了結(jié)構(gòu)學(xué)習的框架；提出了混沌混合改進粒子群算法，有效解決了傳統(tǒng)粒子群算法容易陷入早熟的問題。主要工作有：
　　首先，對迄今貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習方法進行綜述。將這些方法分為三類：1、基于統(tǒng)計分析的結(jié)構(gòu)學(xué)習方法；2、基于評分搜索的結(jié)構(gòu)學(xué)習方法；3、混合貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習方法。在指出現(xiàn)階段結(jié)構(gòu)學(xué)習面臨問題的同時，給出其發(fā)展方向。
　　然后，改進了貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習框架。對于大型的貝葉

3、斯網(wǎng)絡(luò)，其結(jié)構(gòu)空間隨節(jié)點數(shù)呈指數(shù)倍增長。在此情況下，傳統(tǒng)的兩階段框架學(xué)習效率明顯降低，本文將復(fù)雜網(wǎng)絡(luò)社團挖掘方法中的Newman快速算法引入到貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習中，將第一階段的相關(guān)網(wǎng)絡(luò)劃分為多個子網(wǎng)絡(luò)分別進行學(xué)習，并以此改進了結(jié)構(gòu)學(xué)習框架，提高了算法的學(xué)習效率。
　　最后，提出了混沌混合改進粒子群算法。粒子群算法因其模型和編碼簡單，多用于評分搜索過程中，但傳統(tǒng)粒子群算法收斂過快容易早熟。本文將粒子群劃分為多個子群，把子群最優(yōu)速度引