改进的贝叶斯网络算法在亚健康分析中的应用研究

《改进的贝叶斯网络算法在亚健康分析中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、／■分类号学号１２０８８４１４３９曲姿達絶种技乂緣’？Ｉ－，？－．Ｌ：．学位论文＊１改进的巧叶斯网络算法在亚健康分析中的应用研究■、，Ｉ＇＇＾＼作者指导教师姓名董丽丽教授ｆ＇ｊ■，、－＇．．由请学位级别硕壬专业名硫计算机技术论文提交日期２０１５．１１论女答韶日期２０１５－１１学位授予单位西《娃疑斜技丈緣答辩委员会主席－评阅人声明本人巧巫声明我所虽交的学位论文是巧个人

2、在巧师巧导Ｋ进巧的研巧Ｔ作及収得的研究成果。尽我所知，除了文中己经称明引用的内容外，本论义不包含其他个人或集体己经发致或撰写过的硏光成巧．化不包含本人或巧他人在其它单位已中靖学位或为其它用途巧用过的成果心－。巧戈同工作化巧志对本研究所做的所有贡献均己在论义中作了巧确的说明化表巧ｆ致谢。一中请学位胞文与资料若有不巧么处，本人承担切相关责任。’Ｚｐ化／Ａ／曰期，／论义作者签名；；Ｉ习４关于学位论文使用授权的说明：本人巧令ｒ解扣安延筑科技大学有关保留、使用学位论文

3、的厕定－即学校行权保罰并向国家有关部ｎ或机构送交学位论文的复印件和屯了版，允许论义被査阅和借阅；学校可ｙ，ｘ、公布学化论文的全部或部分内容可ｙ采用影印、缩印或者其它复制手段保存学位论ｔ保帘的论文巧论文解谊后巧遵守此规定）巧义作者签名：指导教师签名：口期［司本人授权中国学术期刊（光盘版）杂；占社、中国科学技术信息研究所等单位将本学巧论＂＂文化巧到巧关学位论义数据库之中，井通过网络向社会公众提供信息服务。因某种特蛛原因需耍延迟发布学位论默义认电子版，同蔥在□＇？？年／□视年／

4、日立叶＾乂后，巧阀鸿上全义发布。（此声明处不勾选的，为即时公巧）－论文作者签么：指导教师签名６期：之〇／ｒ，１１，；；＾化：淸巧化调附在论义巧巧。西安建筑科技大学硕士学位论文改进的贝叶斯网络算法在亚健康分析中的应用专业：计算机技术硕士生：闫龙指导教师：董丽丽教授摘要贝叶斯网络作为一种概率网络，在不确定性问题的推理上有着明显的优势。它是基于概率推理来进行相关问题的预测分析，能有效的解决不确定性和不完整性问题。近年来已有很多学者将贝叶斯网络应用于医疗领域中，并取得了显著的效果，本

5、文主要将贝叶斯网络的改进算法应用于亚健康分析，进行亚健康状态的建模，并分析几个不同因素之间的概率关系，预测亚健康的发生。本文第一部分对贝叶斯网络的相关理论作了介绍，包括贝叶斯网络的基础知识和在一些领域中的应用和效果，同时还详细介绍了贝叶斯网络学习的各种算法。第二部分针对传统的K2算法存在的节点顺序依赖问题进行了分析，对K2算法中节点对先验顺序依赖程度高以及评分函数存在的问题进行了改进，提出了一种基于互信息的K2算法，有效解决了对节点先验顺序的依赖问题，并且将新算法应用于经典的Asia网络，实验结果有

6、了显著的改进。第三部分对经典联合树算法做了深入研究，分析经典联合树算法中存在的结构转换和信息传播中存在的耗时较长问题，本文对以上两个问题进行改进，提出一种结构简单的算法和高效联合树算法，并将新算法在Alarm网络上进行了实验，实验证明了两种算法的可行性和高效性。论文最后将改进的K2算法和高效联合树算法应用于亚健康分析，首先对亚健康作了介绍，然后根据采集到的数据，并结合相关专家知识，利用改进的K2算法和MLE算法构建了亚健康预测分析的诊断模型，同时使用经典联合树算法和改进的联合树算法进行了预测分析，并

7、对实验结果做了详细说明。关键词：贝叶斯网络；K2算法；互信息；联合树算法；亚健康西安建筑科技大学硕士学位论文ApplicationofimprovedBayesiannetworkalgorithminsubhealthSpecialty：ComputerTechnologyName：YanLongInstructor：Prof.DongLiliABSTRACTAsakindofprobabilitynetwork,bayesiannetworkownobviousadvantageinreason

8、ingofuncertainproblem.Itcouldanalyzeandpredictrelevantproblembasedonprobabilityreasoning,whichcouldeffectivelyresolveuncertainandincompleteproblem.Recentlyanumberofresearchersapplybayesiannetworktomedicalfieldandachieveremarkableresults