基于粗糙集的貝葉斯網(wǎng)絡模式識別模型與方法研究.pdf

1、貝葉斯網(wǎng)絡模式識別方法具有柔和性、容錯性的優(yōu)點，可以很好地處理不完備信息的識別問題，是目前不確定知識表示和推理領域中最有效的理論模型之一，是近年來數(shù)據(jù)挖掘和模式識別領域中的研究熱點之一。論文在分析貝葉斯網(wǎng)絡的發(fā)展過程和研究現(xiàn)狀、貝葉斯網(wǎng)絡分類器及其在模式識別方面的應用的基礎上，針對貝葉斯網(wǎng)絡分類器結(jié)構(gòu)和參數(shù)學習比較困難的問題，研究了基于粗糙集的貝葉斯網(wǎng)絡結(jié)構(gòu)和參數(shù)學習算法，提出了基于粗糙集的貝葉斯網(wǎng)絡模式識別模型和方法，最后通過仿真實驗

2、，驗證了論文所提出的方法的可行性和有效性。研究的具體內(nèi)容包括：
　?。?）為提高屬性約簡的效率和貝葉斯網(wǎng)絡分類器對噪聲數(shù)據(jù)的抗干擾能力，論文在經(jīng)典Pawlak粗糙集理論、一般關系下的粗糙集模型和變精度粗糙集模型的基礎上，提出了廣義變精度粗糙集模型；
　?。?）論文從廣義變精度粗糙集的定義出發(fā)，分別提出了完備信息系統(tǒng)的變精度粗糙集?-約簡和不完備信息系統(tǒng)的變精度粗糙集?~下近似約簡的啟發(fā)?式算法，克服了搜索最小約簡的NP-ha

3、rd問題；
　?。?）首先利用約簡算法進行屬性約簡，提取決策規(guī)則，降低了貝葉斯網(wǎng)絡的計算復雜度；然后根據(jù)約簡后所得決策規(guī)則的置信因子和覆蓋因子的信息，對貝葉斯網(wǎng)絡的結(jié)構(gòu)進行學習；最后再由貝葉斯網(wǎng)絡結(jié)構(gòu)和決策規(guī)則中屬性變量取值的統(tǒng)計信息，對貝葉斯網(wǎng)絡進行了參數(shù)學習，從而得到了粗糙集貝葉斯網(wǎng)絡；
　?。?）為得到用于分類決策的粗糙集貝葉斯網(wǎng)絡分類器（RBAN），論文在粗糙集貝葉斯公式的基礎上，提出了基于粗糙集的最小錯誤率貝葉斯決