当前位置: 首页 > >

分组样本下Bayes网络条件概率的学*算法_论文

发布时间:

维普资讯 http://www.cqvip.com 第2卷 第 6 3 期  2 0 年 6月 02   文 章 墒 号 :0 0 1 2 ( 0 2 0 — 6 7 0   10 -20 2 0 )60 8—3 小 型 微 型 计 算 机 系 统  MI — MI NI CR0  YS S TEM  V 01 2   N o.   .3 6 Jn 0 2 u e 2 0  分 组样 本 下 B ys网络条 件 概 率 的 学 *算 法  ae 汪 荣 贵  张 佑 生  彭 青松  ( 肥 工 业 大 学 计 算 机 与 信 息 学 院 ,安慧 合 肥 2 0 0 ) 合 30 9  摘 要:丰文应用带盘的 B ys网络作为分析模型 . ae 对于学*窑捌数据库 为分 组样 丰的关于各 蛆样丰私有 条件概 率的   学*算法进行讨论 , 构建 由两屠 学*蛄构 : 第一屠 针对各组私有条件概率分布 0 fs 学*; . )的 ( 第二层针对是吝组套有  条件概率分布 匣  的学 *. 算法在在蚌合膺 有后 罩条件概率分布和丰组学*宴倒数据 的基础上 . } 实现 对各组私有条件概  率 分 布 的 学 * , 可 以 通过 调 整 组 问差 异性 信 度 卢值 采改 变综 合 值 中共 性 和 个性 的 比例 . 并   关 t 词 : 组样 本 } 有 条 件 概 率 ; 验 分 布 ? 验 分 布  分 私 先 后 中 围分 类 号 : Pl2 T 8  文献 标 识 码 :   A 1 引 言  以各组样本 为学 *实倒敷据库 , *针对各组样车的私有 条  学 件概率分 布, 敷据量太少 . 则 为此 , 车文 引^一种称之为带盘  的 B ys网 络 ( ys nn t okwt l e) 为 分 析 模 型 , a e a B ei -ew r  i p ts 作 a h a   将 学 * 算 法 分 成 内外 两 个 层 次 : 内层 是 针 对 各 组 私 有 条件 概  B ys 网 络 ( a ei — ew r . N) 为 n元 随 机 向 量  ae B ysa n t o k B 作 n 联 合 概率 分 布的 图形 表 示 形 式 . 常 在 概 率 型 专 家 系 统 、 析  通 分 诊 断 工 程 和 决 策 支 持 系 统 等 的不 确 定 性 推 理 子 系统 中 , 于  用 不 确 定专 家知 识 的表 示 和 推 理 . 有 语 义 清 晰 、 具 易于 理 解 等 诸  多 优 点 0 .0年 代 以来 , 们 对 其 学 * 能 力 的 研 究 获 得 了 重   9 人 率分布的学* . 外层 是各组共有条件概率分布的学*. 在综舍  公 有 条 件 概 率 分 布 的基 础 上 , 到 对 各 组 私 有 条 件 概 率 分 布  达 的学 *. 即在 共 性 的背 景 下 , 达到 对 个 性 的认 识.   大进展. 利用 B ys原理 , a e 人们可以通过 综合先验的专家知识  和敷据库 中的敷据特 征 . 修正 B 模 型, N 改善 先验 的专 家知  识 , 别 变 量 之 间 潜 在 的 联 系 . 又 使 之 成 为 知 识 发 现  识 这 ( D 与敷 据 挖 掘 ( aaMiig 的 重 要工 具  . N 学 * 艟  KD ) Dt   nn ) B 2 B ys网 络 模 型 殛 盘 的 概 念     ae n元 随机 变量 U= { ,     一  ) B 模 型 是 一 十 二 元  , 的 N 组 B一( , P , 中 :, ( & B )其 1 一 U,E 是 一 有 向 无 环 图 (i ce  3 ) d etd r ay[ rp , A . 中 U = ( , , , ) cecga h D G)其 i  L  2… 矗 为结 点 集 . 是  E 有 向 边 的 集 合 , . B ys网 络 结 构 ( ys nnt r  B 为 a e a B ei —ewok a srcue ,P {   Iaet  ) : ∈ U} 一 组 条 件 概 率  tu tr )B 一 声( p rn( )   是 分 布 的 集 合. 各 结 点 取 离 散 值 的情 况 下 , 为 一 组 条 件 概  在   率 表 (o dt nlpo a it a l , P s 的 集 合 . 处 p r cn io a rb btytbe G T ) i i s 此 a-   etx ) 在 B 中  . 有 父 结 点 的 集合 , 而 有 : n( . 是 所 因   ( I , ! . .L =p x I a e l )    Jr … , 一 ) ( . rn ( ) p  .   一 力在 K D 等诸多领域 的成功 应用 , D 使其各 种学 *算 法成 为  国内外 的研 究 热 点 .   众 所 周 知 , N 模 型 由 网 络 结 构 和 各 结 点 条 件概 率 分 布  B 两部 分组 成 . 已知 网络 结 构 的 情 况 下 , 结 点 条件 概率 的学  在 各 *算 法 是 B 学 * 的重 要 研 究 内 容. N 目前  方 面 的 研究 成 果  这 大致 可 分 为 两 类  ; 类 是 基 于 经 典统 计 学 的 学 * 算 法 , 一 如适  合处理完 备实例敷据的极大 似然算 法 、 合处理不完备实倒  适 敷 据 的 E 算 法 和 梯 度 上 升 算 法 等 ; 一 类 是基 于 贝 叶 斯 统  M 另 计 学 的 学 *算 法 , 适 合 处 理 完 备 实 倒 敷 据 的 贝 叶 斯 预 梗 法  如 I 1. 2… ..    . ( 条件期望估计法 )适 合处理不完备 实例敷据 的 Gib 、 bs抽样  算法



友情链接: