貝葉斯網(wǎng)在數(shù)據(jù)挖掘中的算法運(yùn)用研究.pdf

1、貝葉斯網(wǎng)(BN)起源于人工智能領(lǐng)域的研究，是一種將概率統(tǒng)計運(yùn)用于復(fù)雜領(lǐng)域進(jìn)行不確定性推理和數(shù)據(jù)分析的工具。近年來，貝葉斯網(wǎng)絡(luò)在很多領(lǐng)域得到廣泛運(yùn)用。在數(shù)據(jù)挖掘中，也獲得了不錯的成績。貝葉斯網(wǎng)絡(luò)能夠得到如此多的關(guān)注，其根本原因在于它是概率論和圖論相結(jié)合的產(chǎn)物，直觀清晰，并且可以從先驗信息和樣本數(shù)據(jù)中進(jìn)行學(xué)習(xí)，適合處理缺值數(shù)據(jù)，這是其他模型難以做到的。
　　 本文重點介紹了貝葉斯網(wǎng)的學(xué)習(xí)算法。貝葉斯網(wǎng)的學(xué)習(xí)算法分為參數(shù)學(xué)習(xí)，以及結(jié)構(gòu)

2、學(xué)習(xí)。直觀地說，貝葉斯網(wǎng)的參數(shù)學(xué)習(xí)表明了變量之間的定量關(guān)心，而貝葉斯網(wǎng)的結(jié)構(gòu)學(xué)習(xí)體現(xiàn)了變量之間的定性以及定量關(guān)系。本文具體研究內(nèi)容如下：
　　 (1)對貝葉斯網(wǎng)絡(luò)的研究現(xiàn)狀進(jìn)行了分析，對不確定知識研究歷史進(jìn)行了闡述，并說明了貝葉斯網(wǎng)絡(luò)之所以能夠得到廣泛研究的依據(jù)。
　　 (2)在介紹貝葉斯網(wǎng)絡(luò)之前，對其所依賴的概率論基礎(chǔ)知識以及信息論、圖論的相關(guān)知識進(jìn)行簡要的介紹。給出了符號表達(dá)以及公式基礎(chǔ)知識。
　　 (3)參

3、數(shù)學(xué)習(xí)分為完整數(shù)據(jù)集下的參數(shù)學(xué)習(xí)以及數(shù)據(jù)缺失情況下的參數(shù)學(xué)習(xí)[5]。在完整數(shù)據(jù)集下的參數(shù)學(xué)習(xí)中，主要介紹了最大似然估計以及貝葉斯估計的方法，并且分別指出了其優(yōu)缺點；在數(shù)據(jù)缺失的情況下進(jìn)行學(xué)習(xí)時，主要研究了隨機(jī)缺失的情況，針對這種情況，本文采用的算法是期望優(yōu)化(expectationmaximization)算法，即EM算法。在本文實驗中，對最大似然估計以及貝葉斯估計進(jìn)行了對比，給出了其圖形結(jié)果，分析了產(chǎn)生這種結(jié)果的原因。