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

bayesian网推理中的化简方法

吉林大学学报（理学版） 2004年第1期42卷 77-83页

作者：董旭初欧阳丹彤刘大有吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012

针对bayesian网的一般推理是NP难的,在很多情况下,具体查询时简化bayesian网结构可以明显减少计算量的特点.提出一种可以实现这种策略的3个操作:分离、替换和遍历.实验表明,这种策略一般可以提高计算效率,有时会有明显作用.

关键词： bayesian网分离操作替换操作遍历操作专家系统不确定性推理

在线全文

学校读者我要写书评

暂无评论

bayesian网中的独立关系

计算机科学 2001年第12期28卷 33-36页

作者：王飞刘大有卢奕男薛万欣吉林大学计算机系长春130023

bayesian networks are compact representation of joint probabilistic distribution. Independence is soul of bayesian networks because it enables to save storage space,to reduce computational complexity and to simplify knowledge acquisition and modeling. In this paper,we discuss three kinds of independences in bayesian networks :conditional independence,context-specific independence and causal influence independence.

关键词： bayesian网不确定性推理概率人工智能

在线全文

学校读者我要写书评

暂无评论

bayesian网中概率参数学习方法

电子学报 2003年第11期31卷 1686-1689页

作者：薛万欣刘大有张弘北京联合大学管理学院北京100101 吉林大学计算机科学技术学院吉林长春130021

bayesian网已经成为AI领域的研究热点 ,并在现代专家系统、诊断系统及决策支持系统中发挥着至关重要的作用 .bayesian网的研究主要集中在三个方面 :知识表示、学习与推理 .概率知识是bayesian网坚实的数学基础 ,从数据中学习分布参数使... 详细信息

bayesian网已经成为AI领域的研究热点 ,并在现代专家系统、诊断系统及决策支持系统中发挥着至关重要的作用 .bayesian网的研究主要集中在三个方面 :知识表示、学习与推理 .概率知识是bayesian网坚实的数学基础 ,从数据中学习分布参数使得bayesian网逐步走向现实应用 .本文介绍和比较了概率参数学习的各种常用方法 ,并探求了它们在不同应用背景下的优缺点 .基于经典统计学的方法理论成熟 ,计算简单 ,但它只利用了实例数据集合所提供的信息 ,无法加入专家知识 ,对实例数据的依赖性大 ;基于bayesian有机结合了两类信息 ,对实例数据的依赖性降低 ,学习结果更加准确 .参数学习是bayesian网学习的基础 ,是bayesian网结构学习必不可少的部分 .

关键词： bayesian网条件概率参数分布

在线全文

学校读者我要写书评

暂无评论

bayesian网的独立性推广模型

计算机科学 2005年第2期32卷 182-184,223页

作者：彭青松张佑生汪荣贵合肥工业大学计算机信息学院合肥230009

本文提出了bayesian网的独立性推广模型。bayesian网能够表示变量之间概率形响关系与条件独立性,但不能表示因果独立性。虽然Noisy OR模型能够较好地表示变量之间的因果独立性,但该模型又因只能表示因果独立性而具有很大的局限性。本文... 详细信息

本文提出了bayesian网的独立性推广模型。bayesian网能够表示变量之间概率形响关系与条件独立性,但不能表示因果独立性。虽然Noisy OR模型能够较好地表示变量之间的因果独立性,但该模型又因只能表示因果独立性而具有很大的局限性。本文提出的独立性推广模型解决了bayesian网因果独立性表示能力不足的问题,扩展了bayesian网与Noisy OR模型的表示范围,同时简化了bayesian网的条件概率表,并且新模型更能够反映变量之间的概率影响关系。实验结果表明了该模型的实用性。

关键词：表示推广模型变量条件独立性条件概率简化扩展 bayesian网地表实用性

bayesian网知识推理在ITS学习推荐中的应用研究

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2009年第1期45卷 220-223页

作者：刘先锋丁继红朱清华湖南师范大学数学与计算机科学学院长沙410081

提出了一种基于bayesian网的知识推理网络和知识推理算法,该算法利用bayesian知识推理网和bayesian概率公式,从现有学习资源库和教学方法库中推荐出最符合学生特征的k种学习资源和k种教学方法,从而实现ITS的智能学习推荐功能。

关键词： bayesian网知识推理智能教学系统相似度

基于遗传算法的bayesian网结构增量学习的研究

在线全文

学校读者我要写书评

暂无评论

计算机研究与发展 2005年第9期42卷 1461-1466页

作者：王飞刘大有王淞昕复旦大学上海市智能信息处理重点实验室吉林大学计算机科学与技术学院长春130012

已建成的bayesian网与领域环境间可能存在较大偏差,加之领域本身固有的动态变化特性,因此在观察到新数据时,改善bayesian网的性能和优化网络结构是十分必要的.提出了一种基于遗传算法的bayesian网(包含结构和参数)求精算法.该算法基于... 详细信息

已建成的bayesian网与领域环境间可能存在较大偏差,加之领域本身固有的动态变化特性,因此在观察到新数据时,改善bayesian网的性能和优化网络结构是十分必要的.提出了一种基于遗传算法的bayesian网(包含结构和参数)求精算法.该算法基于上次的求精结果把已有的不完备数据转化成完备数据,以期望充分统计因子作为已有数据的主要存储形式,基于本次求精过程中的当前最佳个体对新数据进行完备化,并由遗传操作综合利用新数据和已有数据进行求精.模拟实验结果表明,该增量学习算法能较有效地从不完备数据中求精bayesian网.

关键词：增量学习 bayesian网不完备数据数学期望遗传算法

基于遗传算法的bayesian网中连续变量离散化的研究

在线全文

学校读者我要写书评

暂无评论

计算机学报 2002年第8期25卷 794-800页

作者：王飞刘大有薛万欣复旦大学计算机科学与工程系复旦大学智能信息处理开放实验室上海200433 吉林大学计算机科学与技术学院

文中对如何从含有离散变量和连续变量的混合数据中学习 bayesian网进行了研究 ,提出了一种基于遗传算法的连续变量离散化算法 .在该算法中给出了兼顾离散模型准确度和复杂度的适应度函数 ;并基于对离散化的实质性分析 ,定义了离散策略... 详细信息

文中对如何从含有离散变量和连续变量的混合数据中学习 bayesian网进行了研究 ,提出了一种基于遗传算法的连续变量离散化算法 .在该算法中给出了兼顾离散模型准确度和复杂度的适应度函数 ;并基于对离散化的实质性分析 ,定义了离散策略等价的概念 ,由此制定了离散策略的编码方案 ;进一步设计了变换离散策略的遗传算子 .该算法不存在局部极值问题 ,且不需要事先给定变量序关系 .模拟实验结果表明 ,该算法能有效地对连续变量离散化 ,从而使得从混合数据中学到的 bayesian网具有较好性能 .

关键词：遗传算法 bayesian网连续变量离散化离散变量学习算法

在线全文

学校读者我要写书评

暂无评论

由Markov网到bayesian网

计算机研究与发展 2002年第1期39卷 87-99页

作者：何盈捷刘惟一云南大学计算机科学系昆明650091

Markov网 (马尔可夫网 )是类似于 bayesian网 (贝叶斯网 )的另一种进行不确定性推理的有力工具 .Markov网是一个无向图 ,而 bayesian网是一个有向无环图 .发现 Markov网不需要发现边的方向 ,因此要比发现bayesian网容易得多 .提出了一... 详细信息

Markov网 (马尔可夫网 )是类似于 bayesian网 (贝叶斯网 )的另一种进行不确定性推理的有力工具 .Markov网是一个无向图 ,而 bayesian网是一个有向无环图 .发现 Markov网不需要发现边的方向 ,因此要比发现bayesian网容易得多 .提出了一种通过发现 Markov网得到等价的 bayesian网的方法 .首先利用信息论中验证信息独立的一个重要结论 ,提出了一个基于依赖分析的边删除算法发现 Markov网 .该算法需 O(n2 )次 CI(条件独立 )测试 ,CI测试的时间复杂度取决于由样本数据得到的联合概率函数表的大小 .经证明 ,假如由样本数据得到的联合概率函数严格为正 ,则该算法发现的 Markov网一定是样本的最小 I图 .由发现的 Markov网 ,根据表示的联合概率函数相等 ,得到与其等价的

关键词： Markov网 bayesian网联合概率函数不确定推理人工智能

基于遗传算法的bayesian网结构学习研究

在线全文

学校读者我要写书评

暂无评论

计算机研究与发展 2001年第8期38卷 916-922页

作者：刘大有王飞卢奕南薛万欣王松昕吉林大学计算机科学系长春130023

从不完备数据中学习网络结构是 bayesian网学习的难点之一 ,计算复杂度高 ,实现困难 .针对该问题提出了一种进化算法 .设计了结合数学期望的适应度函数 ,该函数利用进化过程中的最好 bayesian网把不完备数据转换成完备数据 ,从而大大简... 详细信息

从不完备数据中学习网络结构是 bayesian网学习的难点之一 ,计算复杂度高 ,实现困难 .针对该问题提出了一种进化算法 .设计了结合数学期望的适应度函数 ,该函数利用进化过程中的最好 bayesian网把不完备数据转换成完备数据 ,从而大大简化了学习的复杂度 ,并保证算法能够向好的结构不断进化 .此外 ,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 bayesian网结构 .模拟实验结果表明 ,该算法能有效地从不完备数据中学习 .

关键词： bayesian网学习遗传算法数据处理人工智能