论文摘要
随着计算和通信技术在网络中的长足进展,各种普适的分布计算环境正在飞速发展,其中包括传感器网络、多代理系统和自治自动机系统等。在这些分布计算环境中,不仅计算任务可以分配到各个节点,而且往往还要求能够收集在系统部署的物理区域中不同地点的信息。在很多情况下,它们收集到的大量数据中包含了很多的不确定性,其产生原因包括各种噪声信息、偏差以及不精确乃至部分失败的测量。于是在不确定性下进行推理,以产生关于所需信息的一致信任度,成为这些系统面临的主要任务之一。而完成这一任务的一类主要的和有效的方式就是利用概率图模型对不确定性进行模拟和处理。“概率图模型”是不确定推理和人工智能中一个重要的研究领域,在这个领域中有很多的模型和算法。这里的问题是,怎样利用这些模型和算法来处理分布环境中的不确定性。进一步的研究还会包括如何为各种不同的分布式应用建立新的模型和算法。在这样的问题背景下,本文所要研究和解决的问题包括:1)对于通过分布的方式收集起来的包含不确定性的数据,如何根据它们之间的相关性或依赖性建立概率图模型,包括确定模型的参数。2)对于包含不确定性的时间敏感数据和时序数据,如何为之在分布计算环境中建立动态图模型。在更进一步的分析中,这将包括如何解决诸如系统中的动态行为、异步行为以及模型对于系统的健壮性等问题。3)在很多情况下,一些需要广泛使用的图模型其参数是必须不断进行更新的,如何为这些模型的参数估计建立更新规则,并将其运用于分布计算环境。4)一些用于分布环境的概率图模型是在一定的上下文条件之下的,能否建立包含上下文的模型来模拟不同上下文对模型的影响。本文研究了各种概率图模型的理论和相关的算法,包括贝叶斯网、马尔可夫网、因子图、标准动态贝叶斯网、连续时间贝叶斯网以及一些上下文驱动的模型。与此同时,本文考察了在分布计算环境中,例如在传感器网络中,信息处理模型所应具有的特性和行为。在此基础上,本文在相关领域进行了如下的研究工作:1.通过研究一个可用于传感器网络不确定数据处理、并且对分布环境具有一般意义的混合结构图模型,本文对以分布计算方式学习该模型参数的问题进行了分析,并提出了解决方法,包括进行参数更新的方法。在对该模型的进一步分析中,发现了它在用于分布计算环境的时候,由无向关系所带来的限制条件太强。于是本文建立了一个经过扩展的、完全由有向结构形成的概率网络模型,并给出了完整的推理和参数学习方法。这一模型避免了无向结构所带来的限制,因此能适应更为广泛的应用。2.为模拟分布计算环境中的动态行为和处理时序数据,本文建立了一个基于标准动态贝叶斯网的模型。与上述静态模型相比,它能反映历史状态对当前状态的影响,不仅模拟更为准确,而且体现了系统环境的整个变化过程,其机制相对比较简单。与此同时,发现模型本身带来的同步等问题使得它只能在规模较小的网络中适用。于是本文提出了一个利用连续时间贝叶斯网进行模拟的新的动态模型。在建立这个模型的过程中解决的问题包括:在不均等时间间隔中的动态模拟;对分布计算环境中自然有的异步行为的模拟;信度更新和消息传播的算法;不同的信度消息在分布环境中的组织方式;以及当模型的宿主系统在其一部分出现故障或严重延迟时模型具有的健壮性。该模型的机制相对复杂,适用于规模较大的分布计算环境。3.本文提出了在连续时间贝叶斯网中进行参数估计的更新式学习算法。与目前对该新式模型所开发的(一次性)参数学习算法所不同的是,它能够用新的学习数据对模型原有参数进行更新,因此它同时可以用于对上面提出的、在分布环境中模拟连续时间动态性的模型进行参数更新。4.为了模拟上下文对一般化图模型的影响,本文提出了因子元网模型。与只能表示有向关系的贝叶斯元网相比,它能表示形式广泛的相关关系,包括有向和无向的依赖关系,以及对参数因子的多种表达形式。本文给出了在不同的上下文依赖关系和影响之下,对概率分布进行计算的示例,以及在该模型中进行推理的一般方法,并且展示了如何将该模型用于处理在不同环境条件下的传感器数据融合问题。
论文目录
相关论文文献
- [1].《概率》易错题专练[J]. 中学生数理化(初中版.中考版) 2016(12)
- [2].条件概率图产生式对抗网络[J]. 软件学报 2020(04)
- [3].基于概率图的三支决策模型研究[J]. 计算机科学 2016(01)
- [4].面向微博的概率图水军识别模型[J]. 计算机研究与发展 2013(S2)
- [5].概率图模型及其推理技术的研究现状[J]. 信息技术 2013(05)
- [6].双属性概率图优化的无人机集群协同目标搜索[J]. 系统工程与电子技术 2020(01)
- [7].基于深度概率图模型的鲁棒人脸画像合成[J]. 模式识别与人工智能 2019(09)
- [8].基于分层概率图的动态网络在线异常检测方法[J]. 计算机应用研究 2016(10)
- [9].基于概率图模型的音乐推荐方法[J]. 电子设计工程 2014(19)
- [10].概率图上的对象相似度计算[J]. 计算机研究与发展 2011(S3)
- [11].基于概率图模型的文本情感分析[J]. 小型微型计算机系统 2015(07)
- [12].基于图割与概率图谱的肝脏自动分割研究[J]. 计算机科学 2012(02)
- [13].概率图模型研究进展综述[J]. 软件学报 2013(11)
- [14].概率图模型及其图像与视频应用研究[J]. 中国图象图形学报 2009(09)
- [15].基于概率图模型的视频多目标跟踪[J]. 计算机与网络 2013(01)
- [16].概率图模型在无线网络推理中的应用[J]. 无线电工程 2012(02)
- [17].基于存在概率图的纸靶重孔识别方法[J]. 科学技术与工程 2016(18)
- [18].基于概率图模型的图像整体场景理解特征工程综述[J]. 计算机应用研究 2015(12)
- [19].基于概率图模型的海上多目标跟踪[J]. 海军工程大学学报 2014(05)
- [20].基于概率图模型的天气预测研究[J]. 计算机技术与发展 2019(07)
- [21].基于概率图的机载设备故障分析[J]. 中国科技信息 2017(02)
- [22].概率图模型的表示理论综述[J]. 电子学报 2016(05)
- [23].基于概率图模型的蛋白质推断算法[J]. 智能系统学报 2016(03)
- [24].概率图模型表示理论[J]. 计算机科学 2014(09)
- [25].基于概率图模型目标建模的视觉跟踪算法[J]. 光电子.激光 2010(01)
- [26].基于变种概率图模型的文本生成算法[J]. 计算机应用 2018(S1)
- [27].基于概率图模型优化的图像融合[J]. 北京邮电大学学报 2012(05)
- [28].概率图模型推理方法的研究进展[J]. 计算机科学 2015(04)
- [29].中国人脑伏隔核MRI解剖概率图谱的研究[J]. 立体定向和功能性神经外科杂志 2015(06)
- [30].导引概率图与显著特征相结合的行人目标检测[J]. 高技术通讯 2016(05)
标签:概率图模型论文; 分布的不确定性处理论文; 贝叶斯网论文; 动态及连续时间模拟论文; 更新式学习论文; 上下文与元模型论文; 传感器网络论文;