统计关系学习的若干问题研究

统计关系学习的若干问题研究

论文摘要

统计关系学习,集数据的一阶逻辑或关系表示、不确定性处理和机器学习于一体,其目的是挖掘关系数据中的似然模型。本文对统计关系学习进行了研究,主要研究内容包括:(1)根据似然关系模型的不同,将统计关系学习方法分为四类,并对统计关系学习方法的研究进行了全面的综述;(2)提出了一种基于Bayesian方法的Markov逻辑网的最大伪后验估计参数学习方法;(3)研究了基于关系Markov网的分类方法,并比较了基于Markov网的两个SRL方法——关系Markov网与Markov逻辑网,得出了二者本质相同的结论;(4)给出了背景格的若干性质,并严格证明了背景格的完备性;(6)严格证明了单链接情况下为多agent分配网络资源时纳什均衡的存在性,提出了一个纳什均衡的搜索算法,较以往算法缩小了搜索空间的规模。本文的研究结果对统计关系学习的研究很有理论意义和应用价值。

论文目录

  • 第一章 绪论
  • 1.1 数据挖掘
  • 1.1.1 数据挖掘概念
  • 1.1.2 数据挖掘流程
  • 1.1.3 数据挖掘任务
  • 1.2 统计关系学习(多关系数据挖掘)
  • 1.2.1 传统数据挖掘与多关系数据挖掘
  • 1.2.2 统计关系学习概念
  • 1.2.3 统计关系学习方法分类
  • 1.3 统计关系学习的应用
  • 1.3.1 应用领域
  • 1.3.2 统计关系学习与博弈论
  • 1.4 本文工作
  • 第二章 统计关系学习方法及研究现状
  • 2.1 基于Bayesian网的统计关系学习方法
  • 2.1.1 一阶Bayesian逻辑(PLP)
  • 2.1.2 似然关系模型(PRM)
  • 2.2 基于Markov网的统计关系学习方法
  • 2.2.1 Markov逻辑网(MLN)
  • 2.2.2 关系Markov网(RMN)
  • 2.3 基于随机文法的统计关系学习方法
  • 2.3.1 随机逻辑程序(SLP)
  • 2.3.2 PRISM
  • 2.4 基于(隐)Markov模型的统计关系学习方法
  • 2.4.1 关系Markov模型(RMM)
  • 2.4.2 逻辑隐Markov模型(LOHMM)
  • 第三章 Markov逻辑网的概念与特性
  • 3.1 一阶逻辑
  • 3.1.1 基本概念
  • 3.1.2 一阶逻辑知识库
  • 3.2 Markov网
  • 3.2.1 Markov随机场
  • 3.2.2 Gibbs随机场与Markov随机场
  • 3.2.3 Markov网
  • 3.3 Markov逻辑网
  • 3.3.1 基于图模型的SRL方法
  • 3.3.2 Markov逻辑网
  • 3.4 闭Markov逻辑网
  • 3.4.1 构造闭Markov逻辑网
  • 3.4.2 闭Markov逻辑网的概率分布
  • 3.5 Markov逻辑网的基本假设
  • 3.6 Markov逻辑网与一阶逻辑知识库
  • 3.7 小结
  • 第四章 Markov逻辑网的参数学习研究
  • 4.1 引言
  • 4.2 完备数据的参数学习方法
  • 4.2.1 最大似然估计MLE方法
  • 4.2.2 Bayesian方法
  • 4.2.3 MLE方法与Bayesian方法的比较
  • 4.3 Markov逻辑网的参数学习
  • 4.3.1 相关工作
  • 4.3.1.1 最大伪似然估计方法
  • 4.3.1.2 判别训练方法
  • 4.3.2 最大伪后验估计方法
  • 4.3.2.1 算法设计
  • 4.3.2.2 实验结果
  • 4.4 小结
  • 第五章 基于关系Markov网的分类方法研究
  • 5.1 分类问题及相关研究
  • 5.1.1 分类问题概述
  • 5.1.2 常用的分类方法
  • 5.2 关系数据的分类问题
  • 5.2.1 关系数据描述框架
  • 5.2.2 关系分类器
  • 5.2.2.1 非一致模型
  • 5.2.2.2 一致模型
  • 5.3 基于关系Markov网的分类方法
  • 5.3.1 条件Markov网
  • 5.3.2 关系Markov网模型
  • 5.3.3 关系Markov网的应用
  • 5.4 关系Markov网与Markov逻辑网
  • 5.5 小结
  • 第六章 基于背景格的知识表示方法研究
  • 6.1 引言
  • 6.2 背景格的概念与若干性质
  • 6.2.1 认知世界的背景
  • 6.2.2 背景格的概念
  • 6.2.3 背景格的若干性质
  • 6.3 背景格的完备性证明
  • 6.4 背景格的实例
  • 6.5 小结
  • 第七章 多关系Web挖掘与博弈论研究
  • 7.1 Web挖掘与博弈论
  • 7.1.1 博弈论与纳什均衡
  • 7.2 网络资源分配中的纳什均衡
  • 7.2.1 问题描述
  • 7.2.2 纳什均衡的存在性证明
  • 7.3 纳什均衡的计算
  • 7.3.1 标记
  • 7.3.2 算法描述
  • 7.3.3 算法评估
  • 7.4 小结
  • 参考文献
  • 攻读博士学位期间发表的论文
  • 致谢
  • 摘要
  • Abstract
  • 相关论文文献

    • [1].统计关系学习研究进展[J]. 计算机研究与发展 2008(12)
    • [2].无线ATM中基于主动容错的新型ARQ机制[J]. 太赫兹科学与电子信息学报 2015(02)
    • [3].旅游产业发展与居民可支配收入的统计关系研究[J]. 现代商贸工业 2011(09)
    • [4].新疆植被覆盖与土地退化关系及空间分异研究[J]. 农业系统科学与综合研究 2008(02)
    • [5].太阳黑子活动与新疆强震活动的关系[J]. 内陆地震 2012(01)
    • [6].卷烟物理指标与吸阻统计关系研究[J]. 中国烟草科学 2008(04)
    • [7].天津软土土性指标的统计关系及概率分布模型研究[J]. 水道港口 2013(02)
    • [8].内蒙古植被覆盖与土地退化关系及空间结构研究[J]. 干旱区资源与环境 2008(02)
    • [9].我国沿海地区软黏土压缩指数统计及与国外其他地区对比[J]. 岩土力学 2017(09)
    • [10].生活中的因果关系和统计关系[J]. 中国统计 2008(03)
    • [11].渤海海域黏性土剪切波速与抗剪强度统计关系的初步研究[J]. 中国地震 2020(03)
    • [12].汽车行业发展与居民可支配收入的统计关系研究[J]. 时代金融 2012(21)

    标签:;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  

    统计关系学习的若干问题研究
    下载Doc文档

    猜你喜欢