检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于对数似然分析的贝叶斯网络结构扩展研究

基于对数似然分析的贝叶斯网络结构扩展研究

作者：孔贺吉林大学

学位级别：硕士

如何建立一个能够用结构来表示隐藏在领域知识内的分类模型是人工智能领域内的一个关键问题。贝叶斯网络（Bayesian networks,BNs）为不确定性背景下的推理提供了一种紧凑直观的图形表示,并已成为许多概率专家系统的基础。然而,学习一... 详细信息

如何建立一个能够用结构来表示隐藏在领域知识内的分类模型是人工智能领域内的一个关键问题。贝叶斯网络（Bayesian networks,BNs）为不确定性背景下的推理提供了一种紧凑直观的图形表示,并已成为许多概率专家系统的基础。然而,学习一个拥有最优的网络拓扑结构的贝叶斯网络已经被证明是NP-hard问题。自从朴素贝叶斯（Naive Bayes,NB）在良好的分类表现和最小时间开销两方面取得优良平衡的巨大成功后,限制性贝叶斯网络分类器（Bayesian network classifiers,BNCs）就受到了许多研究者的关注,并且研究者们提出了很多方法来改进NB。在改进NB的众多方法中,平均一阶依赖估计器（Averaged one-dependence estimators,AODE）取得了优越的分类表现,尽管对应于AODE中的每一个超父属性一阶依赖估计器（Superparent one-dependence estimator,SPODE）的独立性假设在实际情况中很少成立。模型选择和模型加权都已经被认为是用于放松AODE的独立性假设和提高其分类性能的有效且高效的解决办法。与模型选择和模型加权相比,对于改进AODE模型来说,结构扩展更能为逼近隐含在训练数据中的真实概率分布提供一种可靠的方式。在贝叶斯网络分类器的结构学习中,结构扩展通常被用来探索条件依赖而忽略了依赖的方向关系,这会对贝叶斯网络分类器在不确定性下的推理表达能力产生负面影响。目前随着数据规模的不断增长,具有高表达能力和低偏差的鲁棒性AODE模型也是十分急需的。本文引进了对数似然函数用于度量编码在网络拓扑结构中用于描述训练数据的比特数。同时,由于条件对数似然函数具有非对称性,因此其可以衡量属性和其父变量集合之间的方向关系。从对数似然函数角度出发,本文通过识别属性之间的有向依赖关系来向AODE中的超父节点一阶依赖估计器的拓扑结构中增加增广边。本文提出了一种启发式搜索策略用于最大化对数似然函数并且通过探索属性之间更高阶的条件依赖关系来放松AODE模型的独立性假设。本文提出了一种名为平均树增广的一阶依赖估计器（Averaged tree-augmented one-dependence estimators,ATODE）的贝叶斯网络分类器,其结合了生成式学习的高表达能力和判别式学习的低偏差优势。因此,ATODE继承了AODE模型的有效性而且还在建模高阶依赖时获得了更大的灵活性。为了评估ATODE模型的有效性,0-1损失、偏差-方差分解、均方根误差以及它们对应的Friedman检验和Nemenyi检验被用来进行实验比较分析。在36个UCI数据集（属性个数从5到64,实例个数从57到164860）上的实验结果表明,与一系列单模型贝叶斯网络分类器（例如CFWNB和SKDB）和集成型贝叶斯网络分类器（例如TAODE和IWAODE）相比,ATODE可以取得相当的或者更好的分类性能。

关键词：贝叶斯网络分类器对数似然平均一阶依赖估计器结构扩展

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种基于遗传算法的受限制的分类器学习算法

吉林大学学报（工学版） 2007年第3期37卷 595-599页

作者：董立岩苑森淼刘光远李永丽关伟洲吉林大学计算机科学与技术学院长春130012 吉林大学通信工程学院长春130022 东北师范大学计算机学院长春130024

提出了一种基于遗传算法的受限制BAN分类器算法-GBAN(genetic algorithm based BAN)。新算法采用了遗传算法进行网络结构的学习,限制了所学习的BAN分类器结构的复杂度。同时对TAN分类器的结构进行了扩展,得到了一种受限制的BAN分类器。... 详细信息

提出了一种基于遗传算法的受限制BAN分类器算法-GBAN(genetic algorithm based BAN)。新算法采用了遗传算法进行网络结构的学习,限制了所学习的BAN分类器结构的复杂度。同时对TAN分类器的结构进行了扩展,得到了一种受限制的BAN分类器。针对这种分类器的结构学习,设计了结合对数似然的适应度函数及相应的遗传算子,并给出了网络结构的编码方案,使得该算法能够收敛到全局最优的结构。实验结果表明,当数据集属性之间关系相对复杂的时候,GBAN比TAN的分类准确率高,分类效果较好。

关键词：人工智能贝叶斯网络分类器遗传算法对数似然

一种耦合的活动轮廓模型及其在图像分割中的应用

在线全文

学校读者我要写书评

暂无评论

中国图象图形学报 2007年第3期12卷 444-449页

作者：陈波赖剑煌马建华中山大学数学与计算科学学院中山大学信息科学与技术学院南方医科大学生物医学工程学院广州510515

本文对活动轮廓模型的外部能量项进行改进,针对灰度图像分割提出了一种新的自适应图像分割模型,并将它推广,建立了矢量图像分割模型。新模型耦合了快速边缘积分方法和简化统计方法,充分考虑到图像区域和边缘的先验信息,可根据不同的条... 详细信息

本文对活动轮廓模型的外部能量项进行改进,针对灰度图像分割提出了一种新的自适应图像分割模型,并将它推广,建立了矢量图像分割模型。新模型耦合了快速边缘积分方法和简化统计方法,充分考虑到图像区域和边缘的先验信息,可根据不同的条件概率密度函数构造不同图像分割模型。文中还基于高斯型概率密度函数建立分割模型实例,结合应用高效且无条件稳定的AOS算法分别对灰度图像和矢量图像(RGB)进行分割实验,并将本文提出的方法与经典的快速边缘积分方法进行比较,结果表明本文的分割方法准确性较高,且具有良好的抗噪性,是行之有效的。

关键词：曲线演化变分原理水平集活动轮廓模型对数似然加性分裂算子

在线全文

学校读者我要写书评

暂无评论

简单贝叶斯决策的计算神经模型

中国科学（C辑） 2009年第8期39卷 783-792页

作者：程振波邓志东杨博清华大学计算机系信息科学与技术国家实验室(筹)智能技术与系统国家重点实验室北京100084

大脑根据贝叶斯理论处理信息已经得到诸多心理学和神经生理学实验的支持.贝叶斯推理过程往往需要处理复杂的概率计算,最近Shadlen和Gold提出基于对数似然比可以简化基于贝叶斯的两可决策任务.然而,目前并不清楚如何在神经回路中实现基... 详细信息

大脑根据贝叶斯理论处理信息已经得到诸多心理学和神经生理学实验的支持.贝叶斯推理过程往往需要处理复杂的概率计算,最近Shadlen和Gold提出基于对数似然比可以简化基于贝叶斯的两可决策任务.然而,目前并不清楚如何在神经回路中实现基于对数似然比的贝叶斯决策.通过建立具有信息整合与胜者独享特性的决策神经回路,结合奖励调制的突触可塑性学习算法,得到决策行为与突触可塑性之间的对应关系,由此可实现简单贝叶斯决策的计算神经模型.最后,利用该模型模拟出最近Yang和Shadlen关于恒河猴可进行贝叶斯决策的实验结果.

关键词：贝叶斯决策对数似然学习算法计算神经模型

基于辅助变量马尔可夫链蒙特卡罗方法的RBM学习算法

在线全文

学校读者我要写书评

暂无评论

统计与决策 2020年第10期36卷 18-22页

作者：丁毅涛胡俊英西京学院理学院西安710123 西安交通大学数学与统计学院西安710049

文章给出了一种训练受限玻尔兹曼机(RBM)的有效方法。提出基于辅助变量的马尔可夫链蒙特卡罗方法(MCMC),利用Swendsen-Wang(SW)算法构造辅助变量与感兴趣变量之间的条件概率,进而得到混合率更高的Gibbs链,从而使其更好地逼近对数似然梯... 详细信息

文章给出了一种训练受限玻尔兹曼机(RBM)的有效方法。提出基于辅助变量的马尔可夫链蒙特卡罗方法(MCMC),利用Swendsen-Wang(SW)算法构造辅助变量与感兴趣变量之间的条件概率,进而得到混合率更高的Gibbs链,从而使其更好地逼近对数似然梯度。最后,通过数据实验给出辅助变量MCMC的抽样效果和RBM模型在数据集下的对数似然,证实基于辅助变量的MCMC方法在学习RBM方面有良好效果。

关键词：受限玻尔兹曼机马尔可夫链蒙特卡罗对数似然条件概率分布

在线全文

学校读者我要写书评

暂无评论

操纵子预测的计算智能方法研究

操纵子预测的计算智能方法研究

作者：杜伟吉林大学

学位级别：硕士

调控网络中有着至关重要的作用。对操纵子的预测可为人们认识和构建生化代谢网络提供参考依据。在已知操纵子某些基因功能的情况下,可以根据其功能相关的特点推测出未知基因的功能分类,从而促进整个基因组的研究和发展,为人们更好的研... 详细信息

调控网络中有着至关重要的作用。对操纵子的预测可为人们认识和构建生化代谢网络提供参考依据。在已知操纵子某些基因功能的情况下,可以根据其功能相关的特点推测出未知基因的功能分类,从而促进整个基因组的研究和发展,为人们更好的研究生物制药、蛋白质功能、生物调控机制等问题提供极具参考价值的信息。本文首先对操纵子预测的研究现状进行总结,之后对操纵子预测的相关数据进行汇总和分析,并对操纵子预测相关的前期工作进行了归纳;最后分别提出了基于对数似然和小波变换的广义回归神经网络模型(LWGN)和基于遗传算法的图聚类模型(GA-MCL)对操纵子进行预测,并且对GA-MCL模型进行了初步的实用化和集成。LWGN模型在大肠杆菌和枯草叶菌上预测的平均敏感度、特异性和准确率分别为88.6%、89.2%、88.9%和87.4%、85.5%、86.3%;GA-MCL模型在大肠杆菌和枯草叶菌上预测的平均敏感度、特异性和准确率分别为92.1%、89.7%、91.0%和88.4%、87.2%、88.1%,预测的结果优于JPOP和OFS模型,验证了本文建立的模型在操纵子预测上的可行性。

关键词：操纵子预测神经网络图聚类遗传算法对数似然小波变换马尔可夫聚类

基于遗传算法的贝叶斯增广朴素贝叶斯分类器的研究与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于遗传算法的贝叶斯增广朴素贝叶斯分类器的研究与实现

作者：金哲吉林大学

学位级别：硕士

分类一直是数据挖掘、机器学习和模式识别等研究的核心问题,贝叶斯网络是作为知识表示和推理的强大工具,由于搜索空间巨大和学习困难的原因,直到朴素贝叶斯理论的出现才被作为分类器算法,改进朴素贝叶斯分类器是贝叶斯分类器学习的一个... 详细信息

分类一直是数据挖掘、机器学习和模式识别等研究的核心问题,贝叶斯网络是作为知识表示和推理的强大工具,由于搜索空间巨大和学习困难的原因,直到朴素贝叶斯理论的出现才被作为分类器算法,改进朴素贝叶斯分类器是贝叶斯分类器学习的一个主要的研究方向。遗传算法本质上是一种求解问题的高效并行全局搜索算法,适合应用于那些改进的分类器的结构学习中。本文提出了一种基于遗传算法的BAN分类器算法。该算法对TAN分类器的结构进行了扩展,得到了一种受限制的BAN分类器。针对这种分类器的结构学习,设计了结合对数似然的适应度函数,并给出了网络结构的编码方案,设计了相应的遗传算子,使得该算法能够收敛到全局最优的结构。实验结果表明,该算法具有良好的分类效果。

关键词：贝叶斯网络分类器遗传算法对数似然适应度贝叶斯网络

基于平均一阶依赖分类器的自适应性属性值加权方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于平均一阶依赖分类器的自适应性属性值加权方法

作者：陈洁吉林大学

学位级别：硕士

随着人工智能领域的飞速发展,分类算法逐渐应用于人们的日常生活中,广泛应用于各种不同的场景,如金融分析、市场营销、垃圾邮箱处理等。在分类时,分类器是通过训练一些带有类变量的实例构建的。分类器性能通常由其在测试实例上的分类准... 详细信息

随着人工智能领域的飞速发展,分类算法逐渐应用于人们的日常生活中,广泛应用于各种不同的场景,如金融分析、市场营销、垃圾邮箱处理等。在分类时,分类器是通过训练一些带有类变量的实例构建的。分类器性能通常由其在测试实例上的分类准确性、构建和测试模型的计算花费、强壮性、可规模性和可解释性去衡量。在众多分类技术中,贝叶斯网络分类器(BNC)以其模型可解释性,优越的分类性能以及直接处理多分类问题的能力而闻名。最经典最简单的BNC是朴素贝叶斯分类器(NB),然而朴素贝叶斯中的条件独立性假设在现实中很少是真实的,这会损害其在具有复杂属性依赖的应用程序中的性能。现已提出了许多算法通过削弱其属性的条件独立性假设来改善朴素贝叶斯的性能。树增强朴素贝叶斯(TAN)是通过构建一个最大权重树来建立属性之间一阶依赖的模型,并且在分类方面可与通用贝叶斯网络分类器竞争精度或错误率,同时保持效率和简便性。在许多旨在削弱朴素贝叶斯属性独立性假设的提议中,平均一阶依赖估计器(AODE)通过从边缘概率分布到全多元概率分布的推断来学习,并且在分类性能方面已显示出合理的改进。AODE不仅相对宽松了独立性假设,无需学习BN的结构,而且也运用了集成学习。自20世纪90年代以来,构建分类器的集成成为一个被广泛关注且有很大发展趋势的研究领域。集成方法被广泛用于提高机器学习算法的准确度。分类器集成方法通常就是指分类器的组合,它们可以是同一基础分类器的改进变体或者是更广泛的不同种分类器的集成。在提高分类准确率的方法中,还有一种常见的方法是加权,可以通过互信息、条件互信息等信息指标来计算权重,同时加权的对象也有很多种类型,可以面对属性、属性值、模型等对象进行加权操作。本文对AODE进行了改进,在AODE中相当于属性个数的超父一阶依赖估计器(SPODE)进行了集成,AODE的所有的一阶依赖估计器都分配有相同的权重,并且它们的概率估计是线性组合的。但实际来说,每个SPODE对测试数据集的分类都会有不一样的分类效果,所以每个SPODE都应该有不同的权重。但是大多数现有方法仅专注于选择和加权过程中单个SPODE的性能改进,却忽略了整个集成模型的重要性。本文提出了一种高效的自适应性属性值加权方法,该方法将每个未标记的测试实例作为目标,通过在对数似然方面识别这些一阶依赖估计量之间的差异,将所得权重分配给不同实例的不同SPODE,权重动态拟合该模型,不同的SPODE互相补偿,使集成效果更好。为了验证提出的算法标靶AODE(TAODE)的分类准确率等性能,本文在UCI机器学习存储库中广泛使用的基准数据集上与10种分类器进行了比较验证了该方法的有效性。本文使用了0-1损失、偏差、方差和均方根误差等常用指标来验证和分析本文的实验结果。实验数据显示,所提出的方法可以实现偏差方差的折中,并且是最新的贝叶斯和非贝叶斯分类器(例如,树增强的朴素贝叶斯和逻辑回归)的竞争性替代方案。

关键词：贝叶斯网络属性值加权平均一阶依赖估计对数似然熵

一种基于最大化序列交互信息的延迟估计量化-检测算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

咸阳师范学院学报 2022年第2期37卷 33-39页

作者：林丹楠福建商学院信息工程学院福建福州350012

针对传感器网络中的信号延迟估计问题,提出了一种新的时延估计量化-检测算法。首先将该问题构建为一个分层处理体系结构;然后将两个传感器捕获和传输同一信号的延迟和噪声样本建模为一个多假设检验问题,从而把寻找两个接收序列之间的延... 详细信息

针对传感器网络中的信号延迟估计问题,提出了一种新的时延估计量化-检测算法。首先将该问题构建为一个分层处理体系结构;然后将两个传感器捕获和传输同一信号的延迟和噪声样本建模为一个多假设检验问题,从而把寻找两个接收序列之间的延迟简化为在最大似然意义上最大化两个接收序列之间的交互信息,并设计出了实现最佳延迟估计的量化-检测器。实验结果表明,提出的延迟估计量化-检测算法在中低信噪比下不仅有与非量化估计检测算法相媲美的性能,而且优于一般的基于量化数据与非量化数据之间的均方误差的标准标量量化-检测算法。

关键词：传感器网络延迟估计多假设检验对数似然交互信息量化-检测