学位论文 > 优秀研究生学位论文题录展示
贝叶斯网络隐藏变量维数学习研究及应用
作 者: 张赞
导 师: 王浩
学 校: 合肥工业大学
专 业: 计算机软件与理论
关键词: 贝叶斯网络 隐变量维数 马尔科夫毯 模拟退火
分类号: TP18
类 型: 硕士论文
年 份: 2013年
下 载: 12次
引 用: 0次
阅 读: 论文下载
内容摘要
在过去的数十年间,很多研究集中于通过数据驱动的方式来学习贝叶斯网络。但是现实世界是复杂多变的,有许多知识是隐蔽的,不易被观测到。在关于贝叶斯网络的研究中,也存在同样的问题,这就是隐变量。隐变量是不可观察到的变量,但是隐变量往往能够简化可观测变量之间的复杂的依赖关系,优化贝叶斯网络模型。学习隐变量已成为贝叶斯网络研究领域的一项重要内容;发现隐变量的维数是隐变量研究中的一项难题。隐变量维数学习可以应用于构建包含隐变量的基因调控网络。因此,研究隐变量维数具有重要的科学意义和较高的应用价值,同时也是一个充满挑战性的问题。在本文中,将针对贝叶斯网络隐变量维数的学习展开一系列的探讨。隐变量维数的学习内容主要包括两个方面:一是,单隐变量维数的学习;二是,多隐变量的维数学习。针对这两个方面的研究内容,论文所开展的具体研究工作如下:第一,针对现有学习方法都难以准确学习隐变量维数的缺点,提出一种新颖的基于模拟退火策略控制下的评分凝聚算法(SSA算法)学习隐变量维数。SSA算法的基本思想:首先,利用马尔科夫独立性假设和BDe评分的可分解性排除网络中与隐变量条件独立的节点,提取由隐变量及其马尔科夫毯变量组成的局部网络。以局部网络替代原始网络进行维数学习,可以有效减少算法的运算时间;其次,确定隐变量的最大可能维数并填补数据集;再次,为隐变量取每种可能维数时的网络进行评分,同时使用模拟退火策略控制隐变量取值状态的合并;最终学习到隐变量的最优维数。第二,贝叶斯网络中存在多个隐变量时,多隐变量间可能存在复杂的依赖关系,尤其是当多个隐变量不是相互独立时。针对当前的方法不能有效学习多隐变量维数的问题,我们以SSA算法为基础提出学习多隐变量维数的MSSA算法。该算法的基本思想是:设置一个队列用以存放待学习的隐变量。每次只改变一个隐变量的维数并对网络评分,这可以使用SSA算法来实现。在改变了某个隐变量的维数之后,将与其非独立的隐变量加入对列中。直至队列为空或隐变量维数不再改变为止,算法终止。最终学习到多隐变量的最优维数。通过实验对本文所提出的方法进行了综合评估。实验表明,相对于其他算法,SSA算法及MSSA算法可以更好的学习到隐变量的最优维数,在运算时间上也优于其他的算法。最后,我们将MSSA算法与应用于不完备数据集下贝叶斯网络结构学习的SEM算法相结合,在真实基因调控数据集上构建含有多隐变量基因调控网络。结果显示我们提出的方法可以有效地构建包含隐变量的基因调控网络。
|
全文目录
摘要 5-7 ABSTRACT 7-9 致谢 9-12 插图清单 12-13 表格清单 13-14 第一章 绪论 14-19 1.1 课题研究背景及意义 14-15 1.2 贝叶斯网络 15 1.3 贝叶斯网络隐变量 15-16 1.4 隐变量结构学习 16 1.5 隐变量维数学习 16-17 1.5.1 隐变量维数的概念 16-17 1.5.2 当前学习隐变量维数的方法 17 1.6 课题来源及本文组织结构 17-18 1.6.1 课题来源 17 1.6.2 本文组织结构 17-18 1.7 本章小结 18-19 第二章 贝叶斯网络和隐变量 19-28 2.1 贝叶斯网络学习理论 19-21 2.1.1 基本公式 19-20 2.1.2 贝叶斯网络的概念描述 20-21 2.2 完备数据下的贝叶斯网络学习 21-22 2.2.1 基本概念 21 2.2.2 几种常见的评分方法 21-22 2.2.2.1 K2 评分方法 21-22 2.2.2.2 贝叶斯评分 Bde 22 2.3 不完备数据下的贝叶斯网络学习 22-24 2.3.1 参数估计 23-24 2.3.2 结构学习 24 2.4 贝叶斯网络隐变量学习 24-26 2.4.1 贝叶斯网络中隐变量结构学习方法 24-25 2.4.1.1 基于结构分解的隐变量结构学习算法 24 2.4.1.2 基于信息瓶颈的隐变量学习算法 24-25 2.4.2 隐变量维数学习的方法 25-26 2.4.2.1 EM-based scores 方法 25-26 2.4.2.2 Agglomeration 算法 26 2.5 本文实验数据来源及评价方法 26-27 2.5.1 实验数据来源 26 2.5.2 评价方法 26-27 2.6 本章小结 27-28 第三章 单隐变量维数学习 28-40 3.1 基于隐变量的马尔科夫毯构建局部网络 28-30 3.2 确定隐变量的最大可能维数并补全数据集 30 3.3 模拟退火策略控制下的评分凝聚过程 30-32 3.4 SSA 算法描述 32 3.5 实验比较与分析 32-38 3.5.1 维数学习结果的比较 34-35 3.5.2 算法运算时间的比较 35-38 3.6 本章小结 38-40 第四章 多隐变量维数学习 40-49 4.1 提取多隐变量的局部网络及补全数据集 41-42 4.1.1 提取多隐变量的局部网络 41-42 4.1.2 确定多隐变量的最大可能维数并补全数据集 42 4.2 确定多隐变量维数学习的次序 42-43 4.3 在已知结构的网络中的实验比较与分析 43-48 4.3.1 维数学习结果的比较 44-45 4.3.2 算法运算时间的比较 45-48 4.4 本章小结 48-49 第五章 隐变量维数学习在基因调控网上的应用 49-53 5.1 SEM 算法 49-50 5.2 选取的基因调控网络 50 5.3 实验结果与分析 50-51 5.4 本章小结 51-53 第六章 总结及展望 53-55 6.1 论文工作总结 53-54 6.2 工作展望 54-55 参考文献 55-59 附录 59-61
|
相似论文
- 多传感器信息融合及其在可穿戴计算机上的应用,TP202
- 黄磷储罐区安全评价方法研究,TQ126.317
- 基于模拟退火算法的板翅式换热器优化设计,TK172
- P2P网络信任模型及其相关技术的研究,TP393.08
- 基于蚁群算法的装配线平衡问题研究,TH186
- 基于贝叶斯网络的软件风险管理模型研究与实现,TP311.52
- 热点新闻间关系的研究,TP393.09
- 基于混合遗传算法的车间调度问题研究与应用,TP18
- 食品安全风险过程控制的贝叶斯统计与知识发现,O212.8
- 基于在线检测信息的储罐底板腐蚀状态智能评价方法研究,TE972
- 特殊结构取样光纤光栅的设计及调谐方法的研究,TN253
- 基于并行环境求解TSP问题,O224
- 分院飞行训练排班系统研究,V323
- 改进遗传算法在作业车间优化调度中的应用研究,TP18
- 支持不确定性推理的上下文模型构建和基于贝叶斯网络的推理,TP391.1
- 基于液晶空间光调制器光束整形的理论算法和实验研究,TN761
- 基于模拟退火遗传算法的微细铣削加工参数优化,TG54
- 多股流换热器通道排列优化设计研究,TK172
- 磁流变阻尼器隔震控制研究,TU352.12
- Bayesian网络在制动系统故障诊断中的应用及系统开发,U472.9
- 模糊积分及多分类器融合在医疗诊断中的应用,TP18
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
© 2012 www.xueweilunwen.com
|