Bayes網(wǎng)絡(luò)模型及其學(xué)習(xí)算法研究.pdf

1、該文就Bayes網(wǎng)絡(luò)模型進(jìn)行了一些研究,主要工作概括如下:1.該文研究了對(duì)弧進(jìn)行刪除的Bayes網(wǎng)絡(luò)最優(yōu)近似問題.首先解決了在Bayes網(wǎng)絡(luò)中刪除一條弧之后的最優(yōu)近似網(wǎng)絡(luò)中的參數(shù)賦值問題,并研究了最優(yōu)近似網(wǎng)絡(luò)中某些結(jié)點(diǎn)子集的邊緣分布在近似以后所具有的不變性,給出了邊緣分布保持不變的最大結(jié)點(diǎn)子集.然后給出了刪除網(wǎng)絡(luò)中的多條弧之后的最優(yōu)近似網(wǎng)絡(luò),以及刪除誤差的計(jì)算方法,并給出了在給定誤差限下,選擇網(wǎng)絡(luò)中的一組弧進(jìn)行刪除的方案和算法.2.給出

2、了Bayes網(wǎng)絡(luò)學(xué)習(xí)的Markov鏈Monte Carlo(MCMC)方法.該文中將MCMC方法作為一種隨機(jī)搜索算法進(jìn)行使用,尋找具有較大后驗(yàn)概率的網(wǎng)絡(luò)模型.應(yīng)用實(shí)例表明了此方法具有較好的性能.3.研究了兩種特殊結(jié)構(gòu)的Bayes網(wǎng)絡(luò)模型,混合因子分析模型和獨(dú)立分量分析模型.給出了一種用于混合因子分析模型參數(shù)學(xué)習(xí)的兩階段學(xué)習(xí)算法.4.提出了一種新的基于混合高斯模型的獨(dú)立分量分析方法.通過使用混合高斯模型學(xué)習(xí)數(shù)據(jù)樣本的概率分布,首先給出了一