增量式貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學習研究.pdf

1、20世紀80年代，在不確定性問題的研究方面，人們將概率論、統(tǒng)計論和圖論結(jié)合，從而發(fā)展起來一門新的學科--貝葉斯網(wǎng)絡(luò)(Bayesian Networks)。由于貝葉斯網(wǎng)絡(luò)使用形象而清晰的圖論知識說明變量之間的內(nèi)在統(tǒng)計關(guān)系，使得它能夠?qū)?fù)雜的概率分布用清晰而緊湊的形式表示出來，貝葉斯網(wǎng)絡(luò)也以其顯著的優(yōu)點成為復(fù)雜系統(tǒng)中數(shù)據(jù)分析和不確定性推理的一種有效工具。
　　 傳統(tǒng)的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學習算法都是批量學習算法，這些傳統(tǒng)批量學習算法在面對

2、現(xiàn)實情況中動態(tài)變化的訓(xùn)練樣本集數(shù)據(jù)時，算法的執(zhí)行時間較長而且需要占用巨大的存儲空間。為了提高貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學習算法的效率以及解決這些傳統(tǒng)批量學習算法的缺點，本文所做的主要工作以及創(chuàng)新點如下所示：
　　 首先，研究了群智能優(yōu)化算法，將粒子群算法和遺傳算法相結(jié)合提出一種適用于貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學習的搜索算法--MPS(Mixed PSO Search)算法。并通過實驗驗證了MPS算法的有效性。
　　 然后，研究了增量式學習的思想

3、，增量式學習機制中含有兩個優(yōu)化函數(shù)：一個是WTUD(when to update)函數(shù)，另一個是SSS(shrink search space)函數(shù)。WTUD函數(shù)決定是否需要更新以及何時更新網(wǎng)絡(luò)，SSS函數(shù)決定搜索的范圍。將這一增量式學習機制應(yīng)用在MPS算法中，提出一種增量式MPS算法，并通過實驗驗證該算法的有效性。
　　 最后，研究了傳統(tǒng)的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學習算法：CL算法和B算法。提出兩種增量式貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學習算法：iCL算