文档介绍：本学位论文作者完全了解客姆关保留、使用学位论文的规定,学位论文作槲:下明撕期:耗攴璲日导师张印辫独创性声明学位论文版权使用授权书他人已经发表或撰写过的研究成果,也不包含为获得未傻乃譬其他教育机构借阅·本人授权孛孜硪越宦畚牡娜ú炕虿糠帜谌荼嗳胗泄厥菘饨学位论文作者签名:,除了文中特别加以标注和致谢的地方外,论文中不包含其的学位或证书而使用过的材料。〖痛排蹋市砺畚谋徊樵暮检索,可以采用影印、:学位论文作者毕业去向:工作单位:通讯地址:电话:邮编:
摘要贝叶斯网起源于人工智能领域的研究,是一种将概率统计运用于复杂领域进行不确定性推理和数据分析的工具。近年来,贝叶斯网络在很多领域得到广泛运用。在数据挖掘中,也获得了不错的成绩。贝叶斯网络能够得到如此多的关注,其根本原因在于它是概率论和图论相结合的产物,直观清晰,并且可以从先验信息和样本数据中进行学习,适合处理缺值数据,这是其他模型难以做到的。本文重点介绍了贝叶斯网的学习算法。贝叶斯网的学习算法分为参数学习,以及结构学习。直观地说,贝叶斯网的参数学习表明了变量之间的定量关心,而贝叶斯网的结构学习体现了变量之间的定性以及定量关系。本文具体研究内容如下:员匆端雇绲难芯肯肿唇辛朔治觯圆蝗范ㄖJ堆芯坷方辛瞬述,并说明了贝叶斯网络之所以能够得到广泛研究的依据。诮樯鼙匆端雇缰埃云渌览档母怕事刍≈J兑约靶畔⒙邸⑼论的相关知识进行简要的介绍。给出了符号表达以及公式基础知识。问胺治M暾菁碌牟问耙约笆萑笔榭鱿碌牟问习【俊T谕暾菁碌牟问爸校饕=樯芰俗畲笏迫还兰埔约氨匆端构兰的方法,并且分别指出了其优缺点;在数据缺失的情况下进行学习时,主要研究了随机缺失的情况,针对这种情况,本文采用的算法是期望优化惴ǎ碋惴āT诒疚氖笛橹校宰畲笏迫还兰埔约氨匆端构计进行了对比,给出了其图形结果,分析了产生这种结果的原因。峁寡胺治;谠际慕峁寡胺椒ㄒ约盎谄婪值慕峁寡胺椒ǎ本文重点研究了基于评分的结构学习方法。介绍了最优参数似然函数以及贝叶斯评分,并给出了这些评分的计算公式。基于评分的结构学习算法有算法,爬山法、惴ǖ取T诙訩惴ǖ难爸校疚囊肓思易錌评分函数,给出了基于家族婪值腒惴ń峁寡暗木咛迨迪帧关键字:贝叶斯网,数据挖掘,算法,贝叶斯评分,算法摘螫
.,.瑆,琫.’甋甀瑆甌,.,’..
甒,,琧甌。甃築,,...珺琄
目录摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第一章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.背景和意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.匆端雇缋砺鄯⒄⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯背景知识⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.怕事刍≈⒙刍≈J丁贝叶斯网络的构造⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第三章贝叶斯网参数学习⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.数据集完备时的参数学习⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.谕呕惴ɑ舅枷搿算法分析及实现⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯算法收敛性分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.案例分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第四章基于评分的贝叶斯网结构学习算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯基于似然函数的评分准则⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.贝叶斯评分⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.贝叶斯信息准则⋯⋯⋯⋯⋯⋯⋯.匆端蛊婪肿荚颉婪趾纸狻案例分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.笛榻峁第五章结束语⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯