分享到:

基于遗传算法的贝叶斯分类器结构学习研究

近二十年来,世界经济带动信息技术急剧发展,Internet 技术的应用飞速普及,人们收集数据的能力的大幅提高,使得可以获取得到的和需要处理的数据规模越来越巨大。面对“数据丰富而知识匮乏”的挑战,数据挖掘(Data Mining)和知识发现(Knowledge Discovery)技术应运而生,并得以蓬勃发展,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,其目的是找出分类函数或者分类模型。目前常用的分类方法主要是一些机器学习的方法,如决策树方法、规则归纳方法、神经网络方法、遗传算法、蚂蚁算法等。在众多的分类方法中,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,是处理不确定信息的强有力图形决策化分析工具。有其坚定的理论基础、自然的知识表示方式、灵活的推理能力和方便的决策机制,受到越来越多的重视。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。贝叶斯方法是基于贝叶斯定理而发展起来的用于系统阐述和  (本文共51页) 本文目录 | 阅读全文>>

吉林大学
吉林大学

贝叶斯网络应用基础研究

贝叶斯网络是用来表示变量之间连接概率的图形模式,提供了一种自然的表示因果关系的方法,具备概率推理能力强、语义清晰、易于理解等特点,是目前不确定知识表示和推理领域中最有效的理论模型之一,也是近年来数据挖掘领域中的研究热点之一。本文在全面地介绍了数据挖掘的历史、贝叶斯网络的发展过程和研究现状、贝叶斯网络分类器、贝叶斯网络的应用基础上,进行了连续变量的贝叶斯网络结构学习,贝叶斯网络分类的研究,数据挖掘结果可视化的研究,贝叶斯网络应用的研究。研究的具体内容包括:(1)通过对连续随机变量之间预测能力及其计算方法的讨论,提出了基于预测能力的连续贝叶斯网络结构学习方法;(2)将遗传算法的思想引入贝叶斯网络分类器的构建,提出了一种基于遗传算法的受限制贝叶斯网络分类器算法;(3)为了限制了贝叶斯网络结构的复杂度,提出了一种多模块集成式贝叶斯网络分类器;(4)贝叶斯分类器在医学图像分析系统中的具体应用;(5)用来处理尿沉渣检查图像中微粒的识别,结果...  (本文共140页) 本文目录 | 阅读全文>>

暨南大学
暨南大学

基于GA-K2算法的贝叶斯网络研究及在个人信用评估的应用

自人类社会进入大数据、移动互联网时代以来,各行各业每天都被形形色色的海量数据所充斥。为了从大量数据中获取有用信息,各种各样的数据挖掘算法便产生了。贝叶斯网络作为一种数据挖掘算法,通过有向无环图和条件概率表形象地反映了变量之间的相互依赖关系,是一种研究不确定性知识的图形推理方法。由于贝叶斯网络拥有较强的贝叶斯理论基础以及容易理解的图形模式,在很多领域都得到了广泛的应用。在个人信用评估中,如何通过大量的消费者信息数据来评估个人信用,以此对消费者进行分类,已经成为银行等金融机构十分关注也十分重视的问题。一个好的信用评估模型能使银行的信贷业务正常运转,促进经济增长。因此本文结合德国和澳大利亚信用数据将贝叶斯网络分类模型用于个人信用评估方面。本文考虑贝叶斯网络结构学习算法中经典的K2算法难以确定输入节点顺序的问题,利用遗传算法(GA)的全局寻优能力并将其与K2算法相结合,构造了以分类准确率为目标的GA-K2算法。以德国和澳大利亚信用数据集...  (本文共54页) 本文目录 | 阅读全文>>

电子科技大学
电子科技大学

基于贝叶斯网络的气阀故障诊断研究

随着科学技术的不断发展,机械故障诊断技术越来越受到人们的重视。往复式压缩机作为典型的往复式机械,其内部结构复杂且激励源众多,传统的故障诊断技术已不能满足工程实际的需要。贝叶斯网络在处理不确定知识表达和推理方面具有独特的优势,已在语音识别、图像处理、金融分析等多个领域成功应用。因此,本文提出了基于贝叶斯网络的气阀故障诊断方法,该方法以气阀常见故障为对象,在研究了贝叶斯网络相关理论的基础上,从不同的角度建立贝叶斯网络结构学习算法,为其在故障诊断中的应用提供了有力的证据。文章在最后重点构建了两类贝叶斯分类模型,并将其成功应用于气阀故障诊断中。本文具体工作包含以下几个方面:1.阐述了贝叶斯网络的基本理论,并简单介绍了贝叶斯网络结构学习方法、参数学习方法和常见的四种贝叶斯分类器。2.针对气阀振动加速度信号,首先对原始信号进行小波阈值去噪,并通过小波包算法提取了各故障特征向量。将特征向量值与类变量值组成的样本进行离散化处理,将此作为贝叶斯分...  (本文共82页) 本文目录 | 阅读全文>>

吉林大学
吉林大学

基于遗传算法的贝叶斯增广朴素贝叶斯分类器的研究与实现

分类一直是数据挖掘、机器学习和模式识别等研究的核心问题,贝叶斯网络是作为知识表示和推理的强大工具,由于搜索空间巨大和学习困难的原因,直到朴素贝叶斯理论的出现才被作为分类器算法,改进朴素贝叶斯分类器是贝叶斯分类器学习的一个主要的研究方向。遗传算法本质上是一种求解问题的高效并行全局搜索算法,适合应用于那些改进的分类器的结构学习中。本文提出了一种基于遗传算法的BAN分类器算法。该算法对TAN分类器的结构进行了扩展,得到了一种受限制的BAN分类器。针对这种分类器的结构学习,设计了结合对数似然的适应度函数,并给出了网络结构的编码方案,设计了相应的遗传算子,使得该算法能够收敛到全局最优的结构。实验结果表明,该算法具有良好的分类效果。  (本文共60页) 本文目录 | 阅读全文>>

合肥工业大学
合肥工业大学

基于遗传算法的朴素贝叶斯分类研究

分类是数据挖掘领域中重要的研究分支,国内外己经取得了许多令人瞩目的成就。朴素贝叶斯分类器由于计算高效、精确度高,并具有坚实的理论基础而得到广泛的应用。然而,朴素贝叶斯分类器的条件独立性假设限制了对实际数据的应用。遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率搜索算法,具有简单、通用、稳健等特性,使其在复杂实际问题的求解中显示出巨大的优越性,而且能在概率意义下收敛到问题的全局最优解。本文基于遗传算法,对朴素贝叶斯分类问题进行研究,主要工作如下:(1) 概述数据挖掘的研究背景,数据挖掘的主要任务,描述了数据挖掘中分类问题的定义、方法以及分类模型评价的标准等。(2) 描述了朴素贝叶斯分类模型,朴素贝叶斯分类模型的一般原理,以及存在的问题。(3) 阐述了遗传算法的基本思想,并描述了遗传算法的一种改进算法即自适应遗传算法。(4) 将遗传算法引入到朴素贝叶斯分类研究中,提出一种基于遗传算法的朴素贝叶斯分类算法(...  (本文共60页) 本文目录 | 阅读全文>>