导读:本文包含了约束型贝叶斯网络论文开题报告文献综述及选题提纲参考文献，主要关键词:贝叶斯网络结构学习,动态规划算法,马尔科夫毯,IAMB算法
约束型贝叶斯网络论文文献综述
谭翔元,高晓光,贺楚超[1]（2019）在《基于马尔科夫毯约束的最优贝叶斯网络结构学习算法》一文中研究指出本文针对最优贝叶斯网络的结构学习问题,在动态规划算法(Dynamic Programming,DP)的基础上,使用IAMB算法(Incremental Association Markov Blanket,IAMB)计算得到的马尔科夫毯对评分计算过程进行约束,减少了评分的计算次数,提出了基于马尔科夫毯约束的动态规划算法(Dynamic Programming Constrained with Markov Blanket,DPCMB),研究了IAMB算法中重要性阈值对DPCMB算法的各项性能指标的影响,给出了调整阈值的合理建议.实验结果表明,DPCMB算法可以通过调整重要性阈值,使该算法的精度与DP算法相当,极大地减少了算法的运行时间、评分计算次数和所需存储空间.(本文来源于《电子学报》期刊2019年09期）
王双成,高瑞,杜瑞杰[2]（2016）在《基于高斯Copula的约束贝叶斯网络分类器研究》一文中研究指出具有连续属性的分类问题普遍存在,目前主要采用两种方法来处理连续属性:一种是将连续属性进行离散化;另一种是基于高斯函数或高斯核函数来估计属性密度.连续属性的离散化可能导致信息丢失、引入噪声和类对属性的变化不够敏感等问题,而高斯函数和高斯核函数在属性密度估计中各有优势与不足,但它们具有很强的互补性.该文依据Copula和贝叶斯网络理论,结合高斯Copula密度函数、引入平滑参数的高斯核函数和以分类准确性为标准的属性父结点贪婪选择,建立连续属性约束贝叶斯网络分类器,既可以避免连续属性离散化所带来的问题,又能够实现高斯函数和高斯核函数在属性密度估计方面的优势互补.分别采用真实数据和模拟数据进行实验,结果显示,使用结合边缘高斯核函数的高斯Copula估计属性密度的约束贝叶斯网络分类器具有良好的分类准确性.(本文来源于《计算机学报》期刊2016年08期）
苏依拉,李慧旻,王斐[3]（2015）在《基于约束满足和贝叶斯网络的大规模定制产品配置方法》一文中研究指出针对在产品配置过程中忽略了用户兴趣这一不足,提出了一种基于约束满足问题(constraint satisfaction problem,CSP)与贝叶斯网络(Bayesian network,BN)二者结合的产品配置方法.在CSP与BN的理论基础上,建立了基于CSP与BN的配置模型,给出了求解的具体方法.最后以组装电脑为例,开发了组装电脑产品的配置系统,该系统验证了这种配置方法能对配置结果进行优化,具有一定的可行性和有效性.(本文来源于《北京工业大学学报》期刊2015年07期）
张盈侠[4]（2014）在《基于约束的贝叶斯网络结构学习算法研究》一文中研究指出结构学习、参数学习和推理是贝叶斯网络的叁个主要研究内容,网络结构模型可以通过学习观察数据而得到,参数可以由网络结构和数据确定.显然,如何确定贝叶斯网络的结构是学习贝叶斯网络的焦点.探索有效的学习结构的算法是搭建网络结构的重要环节.本文主要阐述了国内外贝叶斯网络结构研究领域的现状,着重介绍了贝叶斯网络的结构学习算法,分析了各类算法的优点和不足,重点研究了基于约束的贝叶斯网络结构的学习算法.针对当前算法所面临的较高的时间复杂度及算法学习过程中会出现的定向矛盾两大问题进行了深刻的探讨,本文的主要贡献如下:(1)基于约束的结构学习算法依赖于大量的条件独立检验,因此,如何降低条件独立检验次数是基于约束的结构学习算法的研究目标之一.本文提出了一个有效的学习贝叶斯网络结构模型的算法.首先,通过条件独立检验学习贝叶斯网络框架,与已有的同类型算法相比,降低了条件独立检验的次数,加快了算法的执行速度;然后,依据框架发现过程中检验的条件独立关系及分割集确定V结构,据此确定了部分边的方向.实验表明,与经典的PC算法相比,新算法降低了条件独立检验的次数,学习效率更高;在小样本集的学习结果表明,新算法的学习精度优于TPDA算法.(2)经典的基于约束的贝叶斯网络结构学习算法:首先通过条件独立检验确定框架,然后根据独立关系和分割集确定部分边的方向.理论上,此类学习方式可以得到正确的贝叶斯网络结构模型.然而,由于噪声、条件独立检验的局部性和统计误差等原因,学习过程中会产生定向矛盾.本文根据条件独立检验得出的p值和分割集定量地解决确定方向的过程中所产生的矛盾.理论上分析了该算法的正确性;同时,实验的结果也证实了该算法的正确性.(本文来源于《西安电子科技大学》期刊2014-12-01）
邸若海,高晓光,郭志高[5]（2014）在《基于单调性约束的离散贝叶斯网络参数学习》一文中研究指出针对小样本条件下的离散贝叶斯网络参数学习问题,提出一种基于单调性约束的学习算法。首先,给出了单调性约束的数学模型,以表达定性的先验信息;然后,将单调性约束以狄利克雷先验的形式集成到贝叶斯估计中,并利用贝叶斯估计进行参数学习;最后,通过仿真实验与最大似然估计和保序回归方法进行比较。实验结果表明,在小样本条件下,所提算法在准确性上优于最大似然估计和保序回归,但时效性介于二者之间。(本文来源于《系统工程与电子技术》期刊2014年02期）
汪春峰,张永红[6]（2013）在《基于无约束优化和遗传算法的贝叶斯网络结构学习方法》一文中研究指出基于无约束优化和遗传算法,提出一种学习贝叶斯网络结构的限制型遗传算法.首先构造一无约束优化问题,其最优解对应一个无向图.在无向图的基础上,产生遗传算法的初始种群,并使用遗传算法中的选择、交叉和变异算子学习得到最优贝叶斯网络结构.由于产生初始种群的空间是由一些最优贝叶斯网络结构的候选边构成,初始种群具有很好的性质.与直接使用遗传算法学习贝叶斯网络结构的效率相比,该方法的学习效率相对较高.(本文来源于《控制与决策》期刊2013年04期）
陶建斌,舒宁[7]（2009）在《约束型贝叶斯网络在遥感图像解译中的应用方法研究》一文中研究指出采用一种带有约束条件的贝叶斯网络来构造分类器,即特征节点被约束为类节点的子节点,子节点间允许有不同的连接关系,并将约束型贝叶斯网络的几种典型模型——NB、TAN、BAN用于遥感图像的解译中。通过评价结构的似然函数得到网络结构,综合特征节点和类别节点的拓扑和概率统计信息学习得到分类器。将这些模型用于多光谱和高光谱影像的分类,并就其性能进行探讨。(本文来源于《国土资源遥感》期刊2009年02期）
张少中,王秀坤[8]（2005）在《基于约束最大信息熵的贝叶斯网络结构学习算法》一文中研究指出贝叶斯网络的学习可分为结构学习和参数学习.基于约束最大信息熵的结构学习算法是一种以搜索最高记分函数为原则的方法.本文以KL距离、相互信息以及最大相互信息为基础,通过附加合适的约束函数降低变量维数和网络结构的复杂度,提出了一种附加约束的最大熵记分函数,并结合爬山法设计一种贝叶斯网络结构学习的启发式算法.通过与着名的K2和B&B_MDL算法的实验比较,结果表明该算法在时间和精度上都具有较好的效果.(本文来源于《小型微型计算机系统》期刊2005年06期）
王双成,苑森淼,王辉[9]（2004）在《基于类约束的贝叶斯网络分类器学习》一文中研究指出分类能力是人类经过学习得到的重要而基本的能力 ,也是机器学习、模式识别和数据采掘研究的核心问题 .在0 - 1损失率下 ,证明了基于类约束的贝叶斯网络分类器是最优分类器 .建立该分类器的核心问题是基于类约束属性贝叶斯网络结构学习 ,给出了学习属性贝叶斯网络结构的方法 ,在学习过程中使用了根据弧方向因果语义确定边方向的方法 ,并和碰撞识别定向相结合 ,在边定向之后进行冗余弧检验 ,解决了目前冗余边检验在定向之前所导致的问题 ,显着提高了结构学习效率和准确性 .并使用模拟数据进行了分类实验和分析 .(本文来源于《小型微型计算机系统》期刊2004年06期）
约束型贝叶斯网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
具有连续属性的分类问题普遍存在,目前主要采用两种方法来处理连续属性:一种是将连续属性进行离散化;另一种是基于高斯函数或高斯核函数来估计属性密度.连续属性的离散化可能导致信息丢失、引入噪声和类对属性的变化不够敏感等问题,而高斯函数和高斯核函数在属性密度估计中各有优势与不足,但它们具有很强的互补性.该文依据Copula和贝叶斯网络理论,结合高斯Copula密度函数、引入平滑参数的高斯核函数和以分类准确性为标准的属性父结点贪婪选择,建立连续属性约束贝叶斯网络分类器,既可以避免连续属性离散化所带来的问题,又能够实现高斯函数和高斯核函数在属性密度估计方面的优势互补.分别采用真实数据和模拟数据进行实验,结果显示,使用结合边缘高斯核函数的高斯Copula估计属性密度的约束贝叶斯网络分类器具有良好的分类准确性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
约束型贝叶斯网络论文参考文献
[1].谭翔元,高晓光,贺楚超.基于马尔科夫毯约束的最优贝叶斯网络结构学习算法[J].电子学报.2019
[2].王双成,高瑞,杜瑞杰.基于高斯Copula的约束贝叶斯网络分类器研究[J].计算机学报.2016
[3].苏依拉,李慧旻,王斐.基于约束满足和贝叶斯网络的大规模定制产品配置方法[J].北京工业大学学报.2015
[4].张盈侠.基于约束的贝叶斯网络结构学习算法研究[D].西安电子科技大学.2014
[5].邸若海,高晓光,郭志高.基于单调性约束的离散贝叶斯网络参数学习[J].系统工程与电子技术.2014
[6].汪春峰,张永红.基于无约束优化和遗传算法的贝叶斯网络结构学习方法[J].控制与决策.2013
[7].陶建斌,舒宁.约束型贝叶斯网络在遥感图像解译中的应用方法研究[J].国土资源遥感.2009
[8].张少中,王秀坤.基于约束最大信息熵的贝叶斯网络结构学习算法[J].小型微型计算机系统.2005
[9].王双成,苑森淼,王辉.基于类约束的贝叶斯网络分类器学习[J].小型微型计算机系统.2004