学位论文 > 优秀研究生学位论文题录展示

动态贝叶斯网络的近似推理算法研究

作　者: 胡大伟
导　师: 王浩
学　校: 合肥工业大学
专　业: 计算机应用技术
关键词: 贝叶斯网络 动态贝叶斯网络 近似推理 粒子滤波 BK算法
分类号: TP183
类　型: 硕士论文
年　份: 2009年
下　载: 438次
引　用: 4次
阅　读: 论文下载
 

内容摘要


贝叶斯网络提供了一套强有力的图形工具来表达基于概率的领域知识,已被成功应用于故障诊断、数据挖掘和医疗诊断等领域。动态贝叶斯网络是贝叶斯网络在时间因素上的扩展,是对人工智能领域中动态不确定性问题进行表示和处理的一种重要工具。本文在对动态贝叶斯网络进行全面概述的基础上,对动态贝叶斯网络的近似推理进行了研究。全文的主要内容如下:(1)贝叶斯网络的概述。概述了贝叶斯网络的起源与发展,详细介绍了贝叶斯网络模型、贝叶斯网络的构建过程、贝叶斯网络的类型以及贝叶斯网络的应用,并在此基础上,对动态贝叶斯网络进行了概述;对贝叶斯网络和动态贝叶斯网络的精确推理算法进行了重点介绍。(2)针对传统粒子滤波(PF)对于动态贝叶斯网络推理中计算的高维问题,提出了一种基于部分抽样的粒子滤波推理算法(PSPF)。PSPF算法以弱相关性为指导对DBNs进行分割来降低问题求解的规模,从每个状态子空间局部抽样并以粒子的因式积形式近似表示系统的状态信度,进而对DBNs的状态空间进行重采样和更新。仿真实验表明,与PF相比,该算法显著提高了计算效率,且推理精度也有一定的提高。(3)针对动态贝叶斯网络的BK算法有较高的计算效率但会引入较大的误差,PF可以近似任意分布但存在计算的高维问题,将粒子滤波和BK推理算法优点相结合,提出了一种自适应的混合近似推理算法(HAInf)。为了降低推理的复杂性,将DBNs分解生成用于推理的原型联合树。HAInf算法根据团规模的大小在部分团上执行PF推理,而在余下的团上执行BK推理,最后通过原型联合树上结点之间的消息传播进行推理。仿真实验表明,与BK和PF相比,该算法显著提高了推理精度,并且时间性能是两者的折衷。

全文目录


摘要  5-6
Abstract  6-8
致谢  8-13
第一章 绪论  13-19
  1.1 复杂的不确定性问题  13
  1.2 贝叶斯网络的研究现状  13-16
    1.2.1 贝叶斯网络的起源与发展  13-14
    1.2.2 贝叶斯网络的研究与应用  14-16
  1.3 贝叶斯网络推理  16-17
    1.3.1 精确推理算法  16-17
    1.3.2 近似推理算法  17
  1.4 课题来源和本文组织  17-19
    1.4.1 课题来源  17-18
    1.4.2 本文组织  18-19
第二章 动态贝叶斯网络的精确推理  19-36
  2.1 贝叶斯网络  19-22
    2.1.1 贝叶斯网络的描述  19-20
    2.1.2 贝叶斯网络的构造  20-21
    2.1.3 贝叶斯网络的类型  21-22
  2.2 动态贝叶斯网络  22-24
    2.2.1 动态贝叶斯网络的定义  22-23
    2.2.2 隐含马尔可夫模型  23-24
  2.3 贝叶斯网络的精确推理  24-31
    2.3.1 基于消元的精确推理  24-25
    2.3.2 联合树精确推理  25-31
  2.4 动态贝叶斯网络的1.5片联合树精确推理  31-35
    2.4.1 构建动态贝叶斯网络的联合树  32
    2.4.2 DBNs的1.5片联合树推理算法  32-35
  2.5 本章小结  35-36
第三章 动态贝叶斯网络的粒子滤波推理  36-44
  3.1 引言  36
  3.2 粒子滤波算法  36-39
  3.3 基于部分抽样的粒子滤波推理算法  39-40
    3.3.1 PSPF算法思想  39-40
    3.3.2 PSPF算法描述  40
  3.4 实验结果及分析  40-43
    3.4.1 实验环境及评价标准  40-41
    3.4.2 实验结果分析  41-43
  3.5 本章小结  43-44
第四章 动态贝叶斯网络的混合近似推理  44-52
  4.1 引言  44
  4.2 BK算法  44-46
    4.2.1 BK算法的基本思想  44-45
    4.2.2 BK算法的推理过程  45-46
  4.3 自适应的混合近似推理算法  46-48
    4.3.1 原型联合树的生成  46-47
    4.3.2 HAInf算法思想  47-48
    4.3.3 HAInf算法描述  48
  4.4 实验结果及分析  48-51
    4.4.1 问题描述  48-49
    4.4.2 实验环境及评价标准  49
    4.4.3 实验结果分析  49-51
  4.5 本章小结  51-52
第五章 总结与展望  52-53
  5.1 本文主要工作总结  52
  5.2 进一步的研究工作  52-53
参考文献  53-58
攻读硕士期间重要科研工作及成果  58

相似论文

  1. 基于多Agent理论的卫星协同定轨技术研究,V474
  2. 基于VRPF的机动目标跟踪的研究,TN957.52
  3. 有标记点的人体三维运动数据获取方法的研究,TP391.41
  4. 多传感器信息融合及其在可穿戴计算机上的应用,TP202
  5. 黄磷储罐区安全评价方法研究,TQ126.317
  6. 基于粒子滤波的自主机器人视觉目标跟踪研究,TP242
  7. 空间红外目标仿真与跟踪技术研究,TP391.41
  8. 复杂场景中运动目标的检测与跟踪,TP391.41
  9. FPSO在石油卸载过程中的风险评估,U698
  10. 无线传感器网络的目标跟踪算法研究,TN929.5
  11. 基于鱼眼相机的运动物体检测和跟踪,TP391.41
  12. 基于无线传感器网络的目标定位跟踪研究,TN929.5
  13. 基于图像信息的运动目标检测与跟踪算法研究,TP391.41
  14. 无线传感器网络定位及目标跟踪的研究,TN929.5
  15. 自主水下航行器组合导航算法研究与系统实现,U666.1
  16. 粒子滤波算法的硬件优化设计,TN713
  17. 基于贝叶斯网络的软件风险管理模型研究与实现,TP311.52
  18. 轮式仿人机器人导航与路径规划研究,TP242
  19. 基于Petri网的网络入侵检测系统研究与实现,TP393.08
  20. GPU加速的粒子滤波PET图像重建算法,TP391.41
  21. 基于贝叶斯网络的电机故障诊断方法研究,TM307.1

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 > 人工神经网络与计算
© 2012 www.xueweilunwen.com