分享到:

基于缺失数据的贝叶斯网络结构学习

作为一类特殊的图模型,贝叶斯网络已逐渐成为不确定性知识表达和推理的重要工具,并成功应用于金融数据分析、机器学习、人工智能以及预测决策等众多领域.在处理实际问题时,首要任务是成功建立网络模型,因此本文在深入研究贝叶斯网络相关理论的基础上,着重研究贝叶斯网络结构的学习机制,提出了一种新的贝叶斯网络结构学习算法.主要工作有:首先探讨了已有的贝叶斯网络结构学习算法,详细分析了它们的学习机制以及各自的优缺点.其次详细地描述和分析了基本的ABC算法和DE算法,基于此提出了学习贝叶斯网络结构的HABC算法.算法结合ABC算法的强探索能力和DE算法的强开发能力,提出了新的蜜源更新策略,并在观察蜂阶段采用自适应的选择策略.HABC算法既加快了收敛速度,又保持了ABC算法强大的全局寻优能力,且自适应的选择策略又保证了种群的多样性.在经典的alarm网络上进行了数值实验,结果表明:HABC算法不仅加快了算法的收敛速度,而且由于其具有跳出局部循环的能力  (本文共65页) 本文目录 | 阅读全文>>

北京交通大学
北京交通大学

基于核独立成分分析的缺失数据下贝叶斯网络学习算法研究

二十一世纪是数据和信息化的时代,各类数据库和信息系统的建立提高了人类分析数据并进行决策的能力。由于数据量的急速增加,如何从大规模数据中挖掘出数据所蕴含的信息成为了一项重要的研究课题。贝叶斯网络(Bayesian Networks, BN)是一种将概率论运用于不确定性推理的工具,它是概率统计与图论相结合的一种概率图模型(Probabilistic Graphical Models)。贝叶斯网络清晰地表达了各个节点之间的因果关系,能够利用现有数据分析不确定事件发生的概率。贝叶斯网络的一大优势是可以利用先验知识进行学习。在生物实验中,由于实验技术等原因会出现缺失数据,对缺失数据处理不当会影响数据分析的结论,最简单的方法是去掉具有缺失数据的样本,但这一方法会降低数据的信息量,有可能会造成重要结果的丢失。常用的不完整数据中网络结构学习的方法需要进行反复迭代计算,需要耗费较长的时间。本文首先介绍了贝叶斯理论和贝叶斯网络的研究背景,并对贝叶斯...  (本文共61页) 本文目录 | 阅读全文>>

北京邮电大学
北京邮电大学

贝叶斯网络学习及缺失数据下的统计推断

本文研究内容分为三部分,第一部分是贝叶斯网络参数学习,第二部分是贝叶斯网络结构学习,第三部分是列联表的风险比的检验。包括:(1)讨论三个非线性结构的贝叶斯网络中缺失数据问题,针对三个模型分别用EM算法和识别估计算法对缺失数据进行估计,然后用R软件产生随机数对两种算法的效果进行对比,并计算三个模型的平均因果效应。(2)MMPC算法是运用d-分离的方法计算每个节点的父子集合,根据父子集可以判断贝叶斯网络结构骨架;HC算法是一种典型的优化算法,通过计算得分,找出得分最高的结构即最优结构;然后介绍了MMHC算法,MMHC算法是一种混合型算法,是一种通过局部学习、约束、打分等多种方法迅速确定网络结构的一种算法,给出了MMHC在R中的函数及其程序,最后用随机数验证MMHC算法的效果。(3)由于通过列联表可以判断潜在因子与患病之间的关系,列联表研究是医学研究中的一项重要内容。判断潜在因子与患病关系可以通过优势比、风险比和风险差来检验,其中优势...  (本文共48页) 本文目录 | 阅读全文>>

北京交通大学
北京交通大学

基于不完整数据处理方法的贝叶斯分类器研究

随着数据库、数据仓库以及Internet技术的应用发展,使得数据挖掘(Data Mining)和知识发现(Knowledge Discovery)引起了大量学者与专家的关注,越来越显示出其强大的生命力。分类是数据挖掘中一项十分重要的任务,目的是找出分类函数或者分类模型。贝叶斯网络作为一种有效的知识表示方式和概率推理模型,是处理不确定信息的强有力图形决策化分析工具。近年来,基于贝叶斯网络的数据挖掘取得了良好的效果,成为研究热点。本文首先阐述了数据挖掘和数据挖掘中分类的主要的方法,介绍分析了现有的分类方法的定义以及作法,着重介绍了贝叶斯分类技术。贝叶斯网络G = (B_s,B_p)是一个带有概率注释的有向无环图,由网络的拓扑结构B_s和局部概率分布B_p两部分组成。它是以贝叶斯定理、最大后验假设、贝叶斯网络理论为基础的。用于分类的贝叶斯网络叫做贝叶斯分类器。贝叶斯分类器是特殊形式的贝叶斯网络,变量的选取和状态数均已确定,属性结点已知...  (本文共60页) 本文目录 | 阅读全文>>

苏州大学
苏州大学

基于MRMR的贝叶斯网络结构学习算法研究

贝叶斯网络是一种概率图模型,能够高效表示随机变量之间复杂的独立依赖关系;即使在数据不完整的情况下,仍然具备高效的推理能力,因此越来越广泛的用于决策、诊断和复杂系统的控制等领域。如何从原始数据中学习到贝叶斯网络是其解决问题的前提。贝叶斯网络由结构和参数组成,其中结构学习是核心。本文研究了贝叶斯网络的理论知识和学习贝叶斯网络的相关算法,分别在完整数据集和缺失数据集下,结合最大相关和最小冗余特征选择技术,重点研究贝叶斯网络结构学习算法。其研究内容主要体现在以下几个方面:1)针对完整数据集,改进了基于节点次序的最大相关和最小冗余贪婪贝叶斯结构学习算法(OMRMRG),该算法引入了最大相关和最小冗余特征选择技术,并采用局部贝叶斯增量评分函数,在有限的数据集上提高了算法的精度和准确性。但由于是随机产生初始节点的次序,因此增大了结果的不确定性。本文提出了一种生成优化的节点初始次序的方法,在得到基本有序的节点初始次序后,再结合近邻交换算子进行迭...  (本文共66页) 本文目录 | 阅读全文>>

北方民族大学
北方民族大学

基于数据缺值的贝叶斯网络入侵检测研究

随着网络技术的快速发展,计算机与互联网给人类的生活带来了翻天覆地的变化,它们在经济、文化等领域也发挥着举足轻重的作用。与此同时计算机及网络安全问题日益严峻,在这种背景下,入侵检测成为关注的焦点。入侵检测可以实时地对计算机系统进行监控,保证系统安全,近年来得到了广泛的应用。但入侵检测系统占用了较高的计算机资源,如何提高系统性能一直是学者们研究的核心问题。本文主要利用贝叶斯网络对入侵检测展开研究。贝叶斯网络作为一种强大的概率推理工具,它不仅降低了朴素贝叶斯对于属性间条件独立的要求,而且简明地展示了属性之间的依赖关系,降低了入侵检测模型的复杂度。首先,本文分析了入侵检测模型存在的主要问题,介绍了相关技术。之后对粗糙集理论及它在属性约简中的应用做了详细的分析;最后构建了基于贝叶斯网络的入侵检测模型。针对不完备数据集,本文提出了R-BN算法。该算法以粗糙集中的分明矩阵为基础,找到数据集中与缺失对象最相似的对象,利用该对象属性值对缺失对象进...  (本文共48页) 本文目录 | 阅读全文>>