發(fā)布時間：2024-12-02 22:10

　　在人工智能范圍中,不確定性推理泛指除精確推理以外的其它各種推理問題。包括不完備、不精確知識的推理、模糊知識的推理、非單調(diào)性推理等。在眾多不確定性推理方法中,貝葉斯網(wǎng)(Bayesian belief networks)是屬于一種基于模型的內(nèi)涵方法。簡單來講,它提供了特定領域知識的一種模型表示以及基于這種模型的若干種學習和推理機制,用于建立模型并回答與這些領域知識相關的問詢,并在此基礎上進行輔助預測、決策及分析。自貝葉斯網(wǎng)出現(xiàn)以來,其推理計算一直是人工智能中研究的熱點和難點之一。貝葉斯網(wǎng)推理方法分為精確和近似兩大類。聯(lián)結樹方法是一種經(jīng)典的貝葉斯網(wǎng)精確推理方法,在貝葉斯網(wǎng)推理中具有重要地位。聯(lián)結樹算法首先對貝葉斯網(wǎng)進行三角化,再轉換為聯(lián)結樹,然后在聯(lián)結樹上進行信念傳播,完成推理計算。將貝葉斯網(wǎng)以最優(yōu)形式進行三角化,以使推理計算效率最高,是聯(lián)結樹算法的關鍵所在。對于給定的貝葉斯網(wǎng)絡,尋找一個三角化圖,使得其中的最大團簇的所含節(jié)點數(shù)最少,這類最優(yōu)三角化問題稱作樹寬度(tree width)問題;另一類最優(yōu)三角化問題稱作樹費用(tree cost)問題,其目標是使得三角化圖中所有團簇的狀態(tài)空間最小,...

【文章頁數(shù)】：49 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 研究現(xiàn)狀
    1.3 應用領域
        1.3.1 在醫(yī)學和公共衛(wèi)生領域的應用
        1.3.2 在信息識別領域的應用
        1.3.3 在圖像分析方面的應用
    1.4 本文組織結構
第2章 貝葉斯網(wǎng)最優(yōu)三角化問題
    2.1 問題簡述
    2.2 搜索樹
第3章 求解最優(yōu)三角化問題的Best-First-Search算法
    3.1 算法概述
        3.1.1 符號和定義
        3.1.2 Best-First-Search算法框架
        3.1.3 啟發(fā)式函數(shù)的設計
        3.1.4 評估策略的設計
    3.2 實驗結果及分析
        3.2.1 實驗環(huán)境及數(shù)據(jù)描述
        3.2.2 實驗測試結果及分析
    3.3 本章小結
第4章 應用最優(yōu)三角化的推理診斷軟件設計實現(xiàn)
    4.1 貝葉斯網(wǎng)編輯和推理軟件
        4.1.1 設計目標
        4.1.2 需求分析
        4.1.3 總體設計
        4.1.4 詳細設計
        4.1.5 運行界面
    4.2 打印故障輔助診斷程序
        4.2.1 設計目標
        4.2.2 需求分析
        4.2.3 總體設計
        4.2.4 詳細設計
        4.2.5 運行界面
    4.3 本章小結
第5章 總結與展望
參考文獻
致謝



本文編號：4013989