贝叶斯网络结构学习方法的研究

《贝叶斯网络结构学习方法的研究》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、南京航空航天大学硕士学位论文摘要贝叶斯网络将概率理论和图论相结合，为解决不确定性问题提供了一种自然而直观的方法。本文深入研究了贝叶斯网络的结构学习问题，主要的工作如下：1、研究了三类贝叶斯网络结构学习方法：评分搜索法、基于约束的方法和结合这两种方法的混合方法。详细介绍了一种优秀的贝叶斯网络结构学习算法——MMHC算法。2、提出了高维稀疏大数据集上的贝叶斯网络结构学习方法——FSBN算法。FSBN算法依据频繁项集包含数据集本质信息的特性，先挖掘出数据集上的频繁项集，针对挖掘频繁项集的Apriori算法的不足，提出了Apriori-3K算法。在此基础上，FSBN把Apriori-3K算法应

2、用到贝叶斯网络结构学习中，利用频繁项集限制贝叶斯网络结构搜索空间。实验表明，在高维稀疏大数据集上，FSBN算法提高了构建贝叶斯网络结构的效率。3、提出了基于遗传禁忌算法的贝叶斯网络边定向方法——GATS算法。贝叶斯网络边定向问题是贝叶斯网络结构学习的一个重要方面，通常可以用遗传算法进行解决。但遗传算法存在爬山能力差、早熟问题，GATS算法把禁忌搜索的“多样化”引入到遗传算法的交叉算子和变异算子中，使得算法在贝叶斯网络结构的搜索过程中具有记忆性，既避免了遗传算法的早熟问题，又保留了遗传算法多出发点的优势，实验表明，GATS算法能有效地解决贝叶斯网络边定向问题。关键词：贝叶斯网络，结构学习

3、，频繁项集，边定向，遗传算法，禁忌搜索i贝叶斯网络结构学习方法的研究AbstractBayesiannetworkisdevelopedbytheintegrationofprobabilitytheorywithgraphtheory.Itprovidesanaturaltoolfordealingwithproblemofuncertainty.ThisdissertationfocusesontheresearchoflearningBayesiannetworkstructures.Themaincontentsareasfollows:1、Thisdissertationin

4、troducesthreekindsofBayesiannetworklearningmethods:thescore_and_searchapproach,theconstraintapproachandthehybridapproachwhichcombinesthetwoapproachesabove.Awell-performedalgorithmMax-Min-Hill-Climbing(MMHC)isintroducedindetails.2、ABayesiannetworkstructuruallearningalgorithmcalledFSBNonhighdimens

5、ional,sparseandlargedatasetsisproposed.Becausefrequentitemsetscompriseessentialinformationaboutdata,FSBNfirstminesfrequentitemsetfromdata.ForthelowefficiencyofApriorialgorithm,anewfrequentitemsetsminingalgorithmcalledAproiori-3Kisproposed.ThenFSBNexploitsfrequentitemsetsusingAproiori-3Ktolimitth

6、esearchingspaceofpossibleBayesiannetworkstructures.TheexperimentalresultsshowthatFSBNenhancestheefficiencyofBayesiannetworkstructuruallearningonhighdimensional,sparseandlargedatasets.3、ThisdissertationpresentsanalgorithmcalledGATStoorientedgesofBayesiannetworks.OrientingedgesofBayesiannetworkisa

7、nimportantpartofBayesiannetworkstructurallearning.Usually,itcanbesolvedbyutilizingGA.However,GAhastheproblemsofbadgradeabilityandpre-maturity.GATSintroducesthediversificationofTSintothecrossarithmeticoperatorsandthevariation