论文题目: 面向智能数据处理的贝叶斯网络研究与应用
论文类型: 博士论文
论文专业: 计算机软件与理论
作者: 李小琳
导师: 苑森淼
关键词: 贝叶斯网络,结构学习,信息论,遗传算法,进化规划,生境,重开始,粒子群算法,免疫系统,决策
文献来源: 吉林大学
发表年度: 2005
论文摘要: 贝叶斯网络是用来表示变量间连接概率的图形模式,它提供了一种自然的表示因果关系的方法,用来发现数据间潜在关系。用图形的方法描述数据间的相互关系,语义清晰,可理解性强。近年来,贝叶斯网络以其直观、易于结合先验知识、易于理解等特点,在不确定推理和知识发现领域得到广泛的应用,成为数据挖掘众多方法中最为引人注目的焦点之一。 本文的主要贡献有: 1.研究了贝叶斯网络结构学习中弧定向问题。提出了新的贝叶斯网络弧定向算法—CE-GA(cross-entropy & genetic algorithm)算法。实验结果表明CE-GA算法是一种有效的贝叶斯网络弧定向方法。 2.基于进化计算的贝叶斯网络结构学习方法。对进化规划(EP)中容易出现的早熟收敛现象做了分析,定义了刻画早熟收敛现象的两个量,提出了两种改进方法并应用到贝叶斯网络结构学习中,通过实验与使用遗传算法的方法比较,这两种方法能够在较短的时间内学习到更好的网络。 3.基于粒子群算法(PSO)的贝叶斯网络结构学习方法。将离散粒子群算法应用到贝叶斯网络结构学习中。针对离散粒子群算法中的早熟收敛问题,将免疫系统中的一些基本概念与离散粒子群算法有机地结合,提出基于免疫的离散粒子群算法并将其应用到贝叶斯网络结构学习中,并通过实验对两种算法的有效性进行了分析。 4.贝叶斯网络在人口问题中的应用。从提高人口科学文化水平和提高人口健康水平两方面研究了提高人口素质决策系统的评价体系,以贝叶斯网络为工具,再对人口数据库进行了相应的离散化处理后,从大量人口数据中分析人口素质问题,建立描述人口素质的相关模型,为人口决策提供科学依据。
论文目录:
第一章 绪论
1.1 知识发现
1.2 图形模式的概念及发展概述
1.3 贝叶斯网络的应用
1.3.1 贝叶斯网络在数据挖掘中的应用
1.3.2 国内应用研究
1.3.3 国外应用研究
1.4 论文主要研究内容
第二章 贝叶斯网络概述
2.1 贝叶斯网络基础理论
2.1.1 概率模式中的条件独立性
2.1.2 图形模式中的d-separation标准
2.1.3 贝叶斯网络模型
2.1.4 变量之间基本依赖关系和基本结构
2.1.5 贝叶斯网络基本定义和定理
2.2 贝叶斯网络学习方法
2.3 贝叶斯网络学习算法的准确性评价方法
第三章 贝叶斯网络弧定向方法研究
3.1 贝叶斯网络弧定向方法介绍
3.2 信息论的基本概念
3.3 CE-GA算法
3.4 实验分析
3.5 本章小结
第四章 基于进化计算的贝叶斯网络学习
4.1 进化计算
4.2 进化规划
4.3 进化规划中早熟收敛原因分析及刻画早熟收敛的两个量
4.3.1 EP早熟收敛现象分析
4.3.2 刻画EP早熟收敛现象分析的两个量
4.4 进化规划中防治早熟收敛现象的两种方法
4.4.1 生境进化规划(Niche-EP)
4.4.2 重开始进化规划(Restart-EP)
4.5 基于Niche-EP的贝叶斯网络学习
4.5.1 算法结构
4.5.2 实验分析
4.6 基于Restart-EP的贝叶斯网络学习
4.6.1 算法结构
4.6.2 实验分析
4.7 Niche-EP与Restart-EP的比较分析
4.8 本章小结
第五章 基于粒子群算法的贝叶斯网络学习
5.1 基本粒子群算法
5.2 粒子群算法与遗传算法的比较
5.3 粒子群算法在实际中的应用
5.4 离散粒子群算法
5.5 基于离散粒子群算法的贝叶斯网络结构学习
5.5.1 算法结构
5.5.2 实验分析
5.6 基于改进离散粒子群算法的贝叶斯网络结构学习
5.6.1 生物免疫系统简介
5.6.2 免疫算法一般框架描述
5.6.3 基于免疫的离散粒子群算法
5.6.4 基于IB-PSO的贝叶斯网络结构学习
5.7 Niche-EP、Restart-EP及离散PSO学习贝叶斯网络结构比较
5.8 小结
第六章 贝叶斯网络在人口知识发现与决策中的应用
6.1 人口决策分析的基本过程和方法
6.2 人口决策系统综合分析
6.3 基于贝叶斯网络的人口决策系统指标体系
6.3.1 人口素质预测与制定提高人口素质决策的分析评价指标
6.3.2 各评价指标数值离散化
6.4 基于贝叶斯网络的人口决策系统预测模型
6.4.1 提高人口科学文化素质决策的贝叶斯网络模型
6.4.2 提高人口健康素质决策的贝叶斯网络模型
6.5 本章小结
第七章 总结与展望
7.1 本文总结
7.2 工作展望
参考文献
攻读博士学位期间的学术成果
摘要
ABSTRACT
致谢
发布时间: 2006-01-17
参考文献
- [1].基于贝叶斯网络的知识发现与决策应用研究[D]. 张少中.大连理工大学2003
- [2].贝叶斯网络研究[D]. 黄友平.中国科学院研究生院（计算技术研究所）2005
- [3].保护隐私的贝叶斯网络学习研究[D]. 王红梅.天津大学2006
- [4].贝叶斯网络应用基础研究[D]. 董立岩.吉林大学2007
- [5].基于贝叶斯网络的概率安全评估方法及应用研究[D]. 周忠宝.国防科学技术大学2006
- [6].基于贝叶斯网络的态势估计方法研究[D]. 孙兆林.国防科学技术大学2005
- [7].选择性贝叶斯分类算法研究[D]. 陈景年.北京交通大学2008
- [8].贝叶斯网络结构学习算法研究[D]. 刘峰.北京邮电大学2008
- [9].基于贝叶斯网络的故障智能诊断方法研究[D]. 张德利.华北电力大学（河北）2008
- [10].贝叶斯网学习若干问题研究[D]. 贾海洋.吉林大学2008
标签：贝叶斯网络论文; 结构学习论文; 信息论论文; 遗传算法论文; 进化规划论文; 生境论文; 重开始论文; 粒子群算法论文; 免疫系统论文; 决策论文;