检索结果-内蒙古大学图书馆

计算机科学 2008年第12期35卷 163-166页

作者：廖学清吕强苏州大学计算机科学与技术学院苏州215006 江苏省计算机信息处理技术重点实验室苏州215006

建立了具有数据缺失训练集下学习贝叶斯网的一种混合启发方法:SGS-EM-PACOB算法。它基于打分-搜索方法,利用GS和EM数据补全策略分别得到学习所需要的统计因子,并将两者联合起来作为PACOB算法的启发因子。实验证明,SGS-EM-PACOB算法充分... 详细信息

建立了具有数据缺失训练集下学习贝叶斯网的一种混合启发方法:SGS-EM-PACOB算法。它基于打分-搜索方法,利用GS和EM数据补全策略分别得到学习所需要的统计因子,并将两者联合起来作为PACOB算法的启发因子。实验证明,SGS-EM-PACOB算法充分保留GS和EM两者的优点,促使算法能够平稳地收敛到理想结果。相对于只具有单一数据补全策略的算法,该算法不仅在度量数据拟合程度的Logloss值上保持稳定,而且在学习到的贝叶斯网络结构上也有改进。

关键词：学习贝叶斯网数据补全策略混合启发

来源：评论

学校读者我要写书评

暂无评论

数据缺失下学习贝叶斯网的研究

数据缺失下学习贝叶斯网的研究

引用

作者：廖学清苏州大学

学位级别：硕士

本文对数据缺失和网络结构未知情况下学习贝叶斯网问题进行了相关研究,并提出了几个有趣有效的解决方案。首先,利用并行策略下的PACOB算法提供良好候选网络结构,并借此构造新的SGS-PACOB和SEM-PACOB算法。实验数据显示,在良好候选网络... 详细信息

本文对数据缺失和网络结构未知情况下学习贝叶斯网问题进行了相关研究,并提出了几个有趣有效的解决方案。首先,利用并行策略下的PACOB算法提供良好候选网络结构,并借此构造新的SGS-PACOB和SEM-PACOB算法。实验数据显示,在良好候选网络结构支持下,两算法学习到的贝叶斯网质量有质的提高。其次,建立了一种行之有效的改进SEM算法( DSEM-PACOB算法)。该算法,在估计结点变量缺失值时,不再像SEM算法一样,依赖于当前最优网络所有可能参与决策的结点变量,而是从当前最优网络中采用合理策略选择与待估结点变量紧密相关的若干结点变量集合直接参与估计。实验证明,DSEM-PACOB算法较之先前的SEM类似算法,不仅在最终学习到的贝叶斯网的质量上有质的提高,而且在算法的稳定性上也有较大改进。再次,基于SEM-PACOB和DSEM-PACOB等相关算法,选择具有代表性的网络作为初始网络,并对初始网络在数据缺失情况下学习贝叶斯网整个过程中所扮演的角色进行了实验性的探讨。充分实验数据显示,初始网络对整个算法的收敛速度有很大影响,而且在训练数据集规模不充分和缺失率较高时,选择与训练数据集相关性越高的初始网络,算法越能得到较好结果。最后,提出了混合启发的思想,并具体建立了一种混合启发方法: DSEM-GS-PACOB算法。它巧妙地利用ACO算法的优良特性,把DSEM-PACOB和SGS-PACOB算法通过相应数据补全策略得到的两种统计因子联合起来作为其本身PACOB算法的启发因子。实验证明, DSEM-GS-PACOB算法充分保留DSEM-PACOB和SGS-PACOB算法两者的优点,促使算法能够平稳地收敛到理想结果。相对于只具有单一数据补全策略的算法,该算法不仅在度量数据拟合程度的Logloss值上保持稳定,而且在学习到的贝叶斯网络结构上也有所改进。

关键词：学习贝叶斯网数据补全策略 PACOB算法新决策网络初始网络混合启发策略

来源：评论

学校读者我要写书评

暂无评论

数据缺失下基于贝叶斯网络的分类方法研究

数据缺失下基于贝叶斯网络的分类方法研究

引用

作者：张扬重庆邮电大学

学位级别：硕士

在客观世界中，由于人类认识事物的过程、水平，表达知识的能力的不尽相同等原因致使获得的数据或信息产生了不完全、不可靠、不精确或不一致的现象，人们获得的现实数据库中普遍都存在着丢失数据的情况，严重影响了对数据的使用。贝叶... 详细信息

在客观世界中，由于人类认识事物的过程、水平，表达知识的能力的不尽相同等原因致使获得的数据或信息产生了不完全、不可靠、不精确或不一致的现象，人们获得的现实数据库中普遍都存在着丢失数据的情况，严重影响了对数据的使用。贝叶斯网络具有严密的概率论理论基础、灵活的学习机制和直观的图形化知识表达形式，在处理不完全、不精确或不确定的知识方面有着独特的优势，这就使得对存在缺失数据的数据集使用贝叶斯方法进行分类的研究具有广泛的应用价值，然而，虽然贝叶斯网络分类器在理论上被证明了是最优的分类器，但我们通过实验发现现有方法对缺失数据集的分类正确率并不高，因此，高效的贝叶斯网络分类方法成为贝叶斯分类方法研究的一项重要内容。\n 本文对数据缺失下的于贝叶斯网络进行研究，主要内容为:\n 首先，介绍了贝叶斯网络产生的背景、特点及其应用，并对贝叶斯网络模型进行了描述;概述了贝叶斯网络结构学习及贝叶斯分类器研究现状;介绍了数据缺失下进行贝叶斯网参数学习和结构学习的一些典型算法并分析了各自的优点和不足。\n 其次，通过建立学评教贝叶斯分类模型，给出了贝叶斯分类方法的流程;对比分析了朴素贝叶斯分类器，树扩展的朴素贝叶斯分类器和贝叶斯网络分类器各自的有效性和不足，并通过UCI测试数据集实验对比分析了这几类分类器对存在缺失数据的数据集的分类效果;贝叶斯网络学习是构建贝叶斯网络分类器的核心内容，为解决贝叶斯网络分类中现有贝叶斯结构学习算法的一些不足，针对数据缺失条件下构建贝叶斯网络难度大的问题，构造了将条件独立性检验和评分-搜索相结合的结构学习算法，给出了算法实施的具体步骤且通过实验验证了算法性能，并将实验结果与其他典型的算法进行比较，证明了算法具有更优的学习效果;通过实验对比分析了结合了数据补全策略的朴素贝叶斯分类器、基于E-GSA算法建立贝叶斯网络分类器等分类器的分类效果;对学评教模型进行了设计与实验分析。\n 最后，对本文做了总结以及给出了未来的工作方向。

关键词：贝叶斯网络分类数据缺失结构学习数据补全策略分类器

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：