分享到:

不完整数据的贝叶斯网络参数学习新算法

在现实世界中存在着海量数据,因此如何处理这些数据并从中发现知识是具有现实意义的亟待解决的问题。随着信息技术的发展,数据挖掘技术已经越来越广泛的应用于实际的运用中,而贝叶斯网络作为不确定性环境下一种有力的知识表示方式和概率推理模型,是处理数据挖掘的强有力工具。贝叶斯网络是在不确定性环境下有效的知识表示方式和概率推理模型,是一种流行的图形决策化分析工具。近年来,人们研究了直接从数据中学习并建立贝叶斯网络的问题,并把它用于数据挖掘。虽然基于贝叶斯网络的数据挖掘技术仍处于不断完善之中,但它已经在一些数据建模问题中取得令人瞩目的成绩。贝叶斯网络学习有两大问题:参数学习问题和结构学习问题。在现实世界中,不完整数据是广泛存在的,如何从不完整数据中学习贝叶斯网络的参数和结构一个非常实用而有价值的问题。其中,基于不完整数据的参数学习问题要做到精确处理是非常困难的,现有的算法处理此类问题都采用近似的算法。这些算法在解决大数据集时由于需要很多次循环迭  (本文共42页) 本文目录 | 阅读全文>>

大连理工大学
大连理工大学

基于贝叶斯网络的知识发现与决策应用研究

贝叶斯网络是概率理论和图论相结合的产物,它提供了一种自然的工具,可以用来处理贯穿于应用数学和工程中的两个问题。不确定性和复杂性。80年代,贝叶斯网络多用于专家系统中,成为表示不确定知识和推理问题的流行方法。随着近年来数据库规模的不断扩大,贝叶斯网络逐渐开始应用于大规模数据库的数据挖掘和知识发现,从而为决策支持提供了有力手段,贝叶斯网络已经成为数据库知识发现和决策支持系统的有效方法。本文以黑龙江省防汛指挥决策支持系统[黑龙江省政府黑讯字2001-8号文件]为背景,对贝叶斯网络的知识发现与决策理论进行了相关研究。本文研究了基于贝叶斯网络的知识发现与决策过程框架,在该框架基础上,研究了贝叶斯网络在知识发现和决策支持领域的应用理论,包括贝叶斯网络的结构学习、参数学习、推理和解释、以及应用贝叶斯网络进行防洪知识发现和决策的问题。本文主要研究成果归纳如下:提出了用于结构学习的一种新的附加约束的最大相互信息记分函数(MMI-R)。该记分函数以...  (本文共141页) 本文目录 | 阅读全文>>

大连理工大学
大连理工大学

贝叶斯网络结构学习算法研究与应用

贝叶斯网络(Bayesian Network, BN)将概率论和图论有机结合,用一种图形化的方式表示联合概率分布。具有完备的语义和坚实的理论基础,目前已经成为处理不确定性知识表示和推理的一种重要理论模型。贝叶斯网络在机器学习、医疗诊断、金融分析等领域有着广泛的应用。并已经取得了较大的成功。但仅由专家诊断构建贝叶斯网络通常十分困难,有时甚至是不可能的。因此,如何从数据中快速、准确地学习贝叶斯网络结构,并把它应用到实际领域中,具有重要的理论意义和应用价值。本论文在研究国内外算法的基础上,针对贝叶斯网络的相关算法和不完整数据的学习问题进行深入研究,提出改进算法,并将算法应用于轻度认知障碍和脑血管疾病风险因子预测的实际需求中,开展的主要工作如下:1.最近邻KNN(K-Nearest Neighbour)算法被广泛应用于机器学习和数据挖掘领域,本文将贝叶斯网络的结构学习与KNN算法相结合,提出了基于贝叶斯网络结构学习的KNN算法(BS-K...  (本文共105页) 本文目录 | 阅读全文>>

北方民族大学
北方民族大学

基于粗糙集和贝叶斯网络的入侵检测算法研究

近年来,随着互联网的发展,在互联网给人们带来了各种享受的同时,也带来了各种安全问题,入侵攻击就是其中严重的安全问题之一。入侵检测是在传统的安全防御系统基础上又增加的一个安全措施,提供了对各种操作的实时保护,可有效的保护网络使其在可能遭受入侵之前就能够检测到入侵行为,是一种积极主动的安全防护技术。伴随着因特网的迅猛发展,网络规模日益庞大,网络环境日益复杂,发生的网络攻击事件呈现大幅上升趋势。因而,必须有效地改进现有入侵检测算法的速度和精度。在各种检测算法中,贝叶斯分类算法是数据挖掘方法中一种高效、快速的分类算法,是最重要的分类算法之一。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,也成为了入侵检测技术的一个重要研究方向。传统的贝叶斯网络分类算法以完整数据为前提,而现实中,由于各种原因,截取到的网络数据往往会有许多丢失。因此,传统的贝叶斯网络学习算法,将难以有效适用于具有缺失数据的入侵检测系统。为此,本文提出了一种...  (本文共66页) 本文目录 | 阅读全文>>

华南理工大学
华南理工大学

贝叶斯网络中不确定性知识推理算法及其应用研究

在日常的生活中,人们要处理大量的不确定性问题。贝叶斯网络是表达不确定性问题的有效工具,它一方面采用有向图直观地表达事件之间的因果关系,另一方面采用贝叶斯统计理论对事件发生的可能性大小进行计算。本文对贝叶斯网络分类器和推理算法中存在的一些问题做了深入的研究工作,主要的工作如下:(1)对贝叶斯网络理论做了系统的分析和论述,归纳出贝叶斯网络与其他数据挖掘方法相比的特点。按照研究方法和思想的不同,重点对贝叶斯网络学习进行了总结,指出了各种方法的优点和不足之处。(2)朴素贝叶斯分类器以其简洁明了的结构和优良的性能得到了广泛的研究,但是由于其要求属性间的条件独立性,在应用上受到限制。本文提出了一种把属性选择和结构扩展相结合的GA-NBC-TAN算法,相对于相同个数的特征属性的朴素贝叶斯分类器,GA-NBC-TAN算法提高了分类精度。(3)贝叶斯网络推理是BN面向应用首先要解决的问题,然而贝叶斯网络的精确推理和近似推理都是NP难问题,联合树算...  (本文共71页) 本文目录 | 阅读全文>>

广西师范大学
广西师范大学

贝叶斯网络结构学习及MBNC实验平台的构建

随着信息技术的发展,数据挖掘技术广泛应用于实际运用中,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,是处理不确定性的强有力图形决策化分析工具。现实世界中存在着海量数据,如何处理这些数据,并从中发现有用的知识具有现实意义。贝叶斯网络是一个带有概率注释的有向无环图,由网络的拓扑结构和局部概率分布两部分组成。本文先简要阐述了贝叶斯网络有三大理论问题:贝叶斯网络的表示,学习和推理。近年来,基于贝叶斯网络的数据挖掘在一些数据建模问题中取得了较好的效果。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,类结点未知。贝叶斯分类器家族有三类常见的分类器:朴素贝叶斯分类器NBC,树扩展朴素贝叶斯分类器TANC和贝叶斯网络分类器BNC。贝叶斯分类器的学习包括结构学习和参数学习,参数学习相对简单一些。建构贝叶斯分类器是本文要解决的问题。现在比较常用的主要有JavaBayes软件包...  (本文共60页) 本文目录 | 阅读全文>>