發(fā)布時間：2021-10-15 13:54

　　近年來概率圖模型在醫(yī)療、基因與染色體數(shù)據(jù)分析、通信與編碼等許多領(lǐng)域有著廣泛的應(yīng)用。在概率圖模型中,團(tuán)樹結(jié)構(gòu)是一個活躍的研究領(lǐng)域。我們對團(tuán)樹的推理進(jìn)行了研究。在團(tuán)樹的基礎(chǔ)上,對團(tuán)樹推理算法進(jìn)行了深入的探討。在高維數(shù)據(jù)集中,通常沒有足夠的數(shù)據(jù)來表示概率,可用的數(shù)據(jù)點在可能的屬性組合空間上分布的太稀疏了。然而,團(tuán)樹結(jié)構(gòu)能表示高維屬性空間中的依賴關(guān)系而且可以用來做數(shù)據(jù)的概率推論。為了構(gòu)造團(tuán)樹,我們需要找到網(wǎng)絡(luò)中的極大團(tuán),我們利用一個極大團(tuán)搜索算法尋找一個網(wǎng)絡(luò)中所有的極大團(tuán),然后通過尋找到的極大團(tuán)構(gòu)造出一個團(tuán)樹結(jié)構(gòu),通過使用團(tuán)樹結(jié)構(gòu)來表示網(wǎng)絡(luò)中的聯(lián)合概率分布,將高維空間的聯(lián)合概率分布表示成低維空間概率的乘積。在低維空間,數(shù)據(jù)更加集中并且概率分布能被成功導(dǎo)出。 

【文章來源】：青島大學(xué)山東省

【文章頁數(shù)】：39 頁

【學(xué)位級別】：碩士

【部分圖文】：

有向無環(huán)圖

（1）聚類算法如圖1.2（a）所示，將圖中的結(jié)點B和C 合并為一個結(jié)點，從而消除圖中的無向環(huán)，得到圖1.2（b），這種方法稱為聚類。找到正確的聚類節(jié)點是該算法的關(guān)鍵步驟。因此，需要確定網(wǎng)絡(luò)中的聚類節(jié)點的概率分布表，這樣增加了算法的計算復(fù)雜性。圖1.2（a）包含無向環(huán)的貝葉斯網(wǎng) 圖1.2（b）經(jīng)過聚類后的貝葉斯網(wǎng)（2）條件分割這種方法將原網(wǎng)絡(luò)分割成n個簡單的網(wǎng)絡(luò)結(jié)構(gòu)，n是節(jié)點取值范圍，這里 n 4。用條件分割的算法將圖1.2（a）網(wǎng)絡(luò)劃分為4個新的網(wǎng)絡(luò)(如圖1.3所示)。但經(jīng)過修正的網(wǎng)絡(luò)的大小會隨著父節(jié)點所能取值的個數(shù)以指數(shù)遞增。

10......圖1.3 經(jīng)過條件分割后的貝葉斯網(wǎng)(3) 隨機(jī)模擬算法通過反復(fù)執(zhí)行網(wǎng)絡(luò)模擬來計算估計的近似值,是一種近似推理方法。1.5 小結(jié)貝葉斯網(wǎng)絡(luò)最具特色的特征是它可以如實地表示因果關(guān)系,把自下而上和自上而下的推理結(jié)合起來,可以通過更新隸屬于連接的概率尺度來適應(yīng)條件變化的能力。近年來，貝葉斯網(wǎng)絡(luò)以其獨特的不確定性知識表達(dá)形式、豐富的概率表達(dá)能力、綜合先驗知識的增量學(xué)習(xí)特性，被廣泛應(yīng)用于輔助智能決策、模式識別、醫(yī)療診斷等領(lǐng)域。

【參考文獻(xiàn)】：
期刊論文
[1]貝葉斯網(wǎng)絡(luò)推理分析的團(tuán)樹傳播算法——以停車行為分析為例[J]. 李志瑤,宗芳,張屹山.  長春大學(xué)學(xué)報. 2012(05)



本文編號：3438094