貝葉斯網結構學習方法研究.pdf

1、貝葉斯網絡（Bsyesian network）是描述隨機變量間的依賴關系的圖形模式，已被普遍應用于不確定性問題的智能化求解.貝葉斯網絡學習又分為結構學習和參數(shù)學習，主要研究貝葉斯網絡的結構學習。貝葉斯網絡是對變量之間的關系進行描述，這種固有屬性保證了結構學習的可操作性，也為結構學習提供了基本方法和思路，貝葉斯網絡結構學習的目的是尋求一種最符合變量間關系的網絡結構來建立數(shù)據(jù)之間的關系。粗糙集中的屬性依賴度很好的表達了兩個變量之間的依賴關系

2、。
　　本研究提出了利用屬性依賴度來建立貝葉斯網的方法，將該方法與一些現(xiàn)有的建立貝葉斯網絡的方法相比較，結果證明該方法有效且準確。對于屬性個數(shù)比較多的復雜網絡，將復雜網絡分解成若干個小網絡分別進行研究是一種有效的方法，分解的前提是不破壞原來的知識結構中隱含的信息.本文在研究了聯(lián)合樹和貝葉斯網絡道德圖的相關知識的基礎上，提出了一種將復雜貝葉斯網絡分解成若干個小網絡的方法.此方法可以使分解時相關知識信息不流失，同時也不引入多余的知識.

3、用該方法分解得到的若干個簡單網絡和原復雜網絡中的依賴關系一致，而且分解過程中也沒有出現(xiàn)新產生的依賴關系.所以，該分解方法是有效的。介紹了貝葉斯網絡的相關背景和研究意義，簡述貝葉斯網絡的研究現(xiàn)狀，以及貝葉斯網絡的基本知識。介紹了幾種貝葉斯網絡結構構造方法，研究了屬性依賴度的性質，在此基礎上提出了一種新的貝葉斯網絡構造方法。研究了貝葉斯網絡的分解的意義，提出了一種分解貝葉斯網絡的方法，探討了分解后的網絡與原網絡的關系，為貝葉斯網絡的分解提供