貝葉斯網(wǎng)結(jié)構(gòu)學(xué)習(xí)方法研究.pdf

1、貝葉斯網(wǎng)絡(luò)（Bsyesian network）是描述隨機(jī)變量間的依賴關(guān)系的圖形模式，已被普遍應(yīng)用于不確定性問題的智能化求解.貝葉斯網(wǎng)絡(luò)學(xué)習(xí)又分為結(jié)構(gòu)學(xué)習(xí)和參數(shù)學(xué)習(xí)，主要研究貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)學(xué)習(xí)。貝葉斯網(wǎng)絡(luò)是對變量之間的關(guān)系進(jìn)行描述，這種固有屬性保證了結(jié)構(gòu)學(xué)習(xí)的可操作性，也為結(jié)構(gòu)學(xué)習(xí)提供了基本方法和思路，貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)的目的是尋求一種最符合變量間關(guān)系的網(wǎng)絡(luò)結(jié)構(gòu)來建立數(shù)據(jù)之間的關(guān)系。粗糙集中的屬性依賴度很好的表達(dá)了兩個變量之間的依賴關(guān)系

2、。
　　本研究提出了利用屬性依賴度來建立貝葉斯網(wǎng)的方法，將該方法與一些現(xiàn)有的建立貝葉斯網(wǎng)絡(luò)的方法相比較，結(jié)果證明該方法有效且準(zhǔn)確。對于屬性個數(shù)比較多的復(fù)雜網(wǎng)絡(luò)，將復(fù)雜網(wǎng)絡(luò)分解成若干個小網(wǎng)絡(luò)分別進(jìn)行研究是一種有效的方法，分解的前提是不破壞原來的知識結(jié)構(gòu)中隱含的信息.本文在研究了聯(lián)合樹和貝葉斯網(wǎng)絡(luò)道德圖的相關(guān)知識的基礎(chǔ)上，提出了一種將復(fù)雜貝葉斯網(wǎng)絡(luò)分解成若干個小網(wǎng)絡(luò)的方法.此方法可以使分解時相關(guān)知識信息不流失，同時也不引入多余的知識.

3、用該方法分解得到的若干個簡單網(wǎng)絡(luò)和原復(fù)雜網(wǎng)絡(luò)中的依賴關(guān)系一致，而且分解過程中也沒有出現(xiàn)新產(chǎn)生的依賴關(guān)系.所以，該分解方法是有效的。介紹了貝葉斯網(wǎng)絡(luò)的相關(guān)背景和研究意義，簡述貝葉斯網(wǎng)絡(luò)的研究現(xiàn)狀，以及貝葉斯網(wǎng)絡(luò)的基本知識。介紹了幾種貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)造方法，研究了屬性依賴度的性質(zhì)，在此基礎(chǔ)上提出了一種新的貝葉斯網(wǎng)絡(luò)構(gòu)造方法。研究了貝葉斯網(wǎng)絡(luò)的分解的意義，提出了一種分解貝葉斯網(wǎng)絡(luò)的方法，探討了分解后的網(wǎng)絡(luò)與原網(wǎng)絡(luò)的關(guān)系，為貝葉斯網(wǎng)絡(luò)的分解提供