多源定性概率網(wǎng)模型的融合算法研究簡(jiǎn)介，目錄書(shū)摘
2020-02-20 09:14
來(lái)源：京東
作者：京東
多源定性概率網(wǎng)模型的融合算法研究
暫無(wú)報價(jià)
1評論
100%好評
編輯推薦:
內容簡(jiǎn)介: 概率網(wǎng)是人工智能學(xué)科表示并處理概率知識的一類(lèi)圖模型方法。多源概率網(wǎng)融合是全面進(jìn)行概率知識表示和推理研究中的重要問(wèn)題。已有T作大多限于貝葉斯網(wǎng)、影響圖和可能性網(wǎng)等定量概率網(wǎng)的融合，較少考慮到概率知識只能定性表示或只需定性表示時(shí)的定性概率網(wǎng)（Qualitative ProbabilisticNetworks，QPNs）模型融合。
基于上述問(wèn)題，《多源定性概率網(wǎng)模型的融合算法研究》結合不完整數據，研究QPNs符號融合方法和i種情況下的QPNs結構融合方法。具體內容包括以下幾個(gè)方面。
1.提出基于定性互信息的歧義性約簡(jiǎn)方法。嚴格定義定性互信息，在此基礎上，提出可區分影響強度的增強QPN，并證明其性質(zhì)，給出多項式時(shí)間的歧義性約簡(jiǎn)方法。
2.設計并實(shí)現基于定性互信息的QPNSF符號融合算法。將歧義性約簡(jiǎn)方法擴展到多個(gè)結構相同的QPNs符號融合中，提出QPNSF融合算法，分析了算法的時(shí)間復雜性。
3.設計并實(shí)現具有相同節點(diǎn)的sNQPNF結構融合算法?；诖植诩碚?，采用概率正域求解屬性依賴(lài)度作為定性影響的強度，解決融合時(shí)涉及的關(guān)鍵問(wèn)題，提出SNQPNF融合算法，分析了算法的時(shí)問(wèn)復雜性。
4.設計并實(shí)現時(shí)序環(huán)境具有相同節點(diǎn)的TQPNF結構融合算法。定義時(shí)變QPN（TQPN），通過(guò)考慮其中的自身環(huán)等問(wèn)題，提出基于粗糙集理淪的TQPNF融合算法，分析了算法的時(shí)間復雜性。
5.設計并實(shí)現具有不同節點(diǎn)的DNQPNF結構融合算法。由SNQPNF算法融合思想，得出合并后的初始QPN，基于粗糙集理論，通過(guò)向其中添加缺失邊和刪除冗余邊，提出DNQPNF融合算法，分析了算法的時(shí)間復雜性。
6.面向缺值數據，設計并實(shí)現了基于多源QPNs知識的定量參數建模算法，即貝葉斯網(wǎng)絡(luò )學(xué)習SEM.MQ算法。通過(guò)基于多源QPNs知識補全缺值數據，給出初始網(wǎng)絡(luò )的選取規則和候選網(wǎng)絡(luò )的優(yōu)化策略，提出SEM-MQ算法，許分析了該算法的時(shí)間復雜性和收斂性。
基于上述問(wèn)題，《多源定性概率網(wǎng)模型的融合算法研究》結合不完整數據，研究QPNs符號融合方法和i種情況下的QPNs結構融合方法。具體內容包括以下幾個(gè)方面。
1.提出基于定性互信息的歧義性約簡(jiǎn)方法。嚴格定義定性互信息，在此基礎上，提出可區分影響強度的增強QPN，并證明其性質(zhì)，給出多項式時(shí)間的歧義性約簡(jiǎn)方法。
2.設計并實(shí)現基于定性互信息的QPNSF符號融合算法。將歧義性約簡(jiǎn)方法擴展到多個(gè)結構相同的QPNs符號融合中，提出QPNSF融合算法，分析了算法的時(shí)間復雜性。
3.設計并實(shí)現具有相同節點(diǎn)的sNQPNF結構融合算法?；诖植诩碚?，采用概率正域求解屬性依賴(lài)度作為定性影響的強度，解決融合時(shí)涉及的關(guān)鍵問(wèn)題，提出SNQPNF融合算法，分析了算法的時(shí)問(wèn)復雜性。
4.設計并實(shí)現時(shí)序環(huán)境具有相同節點(diǎn)的TQPNF結構融合算法。定義時(shí)變QPN（TQPN），通過(guò)考慮其中的自身環(huán)等問(wèn)題，提出基于粗糙集理淪的TQPNF融合算法，分析了算法的時(shí)間復雜性。
5.設計并實(shí)現具有不同節點(diǎn)的DNQPNF結構融合算法。由SNQPNF算法融合思想，得出合并后的初始QPN，基于粗糙集理論，通過(guò)向其中添加缺失邊和刪除冗余邊，提出DNQPNF融合算法，分析了算法的時(shí)間復雜性。
6.面向缺值數據，設計并實(shí)現了基于多源QPNs知識的定量參數建模算法，即貝葉斯網(wǎng)絡(luò )學(xué)習SEM.MQ算法。通過(guò)基于多源QPNs知識補全缺值數據，給出初始網(wǎng)絡(luò )的選取規則和候選網(wǎng)絡(luò )的優(yōu)化策略，提出SEM-MQ算法，許分析了該算法的時(shí)間復雜性和收斂性。
作者簡(jiǎn)介:呂亞麗，女，博士，山西財經(jīng)大學(xué)信息管理學(xué)院副教授，碩士生導師，第八屆山西省很好科技工作者。2013年1月畢業(yè)于天津大學(xué)計算機應用技術(shù)專(zhuān)業(yè)，獲工學(xué)博士學(xué)位。
目錄:章 緒論
1．1 研究背景
1．2 研究?jì)热?
1．3 本書(shū)結構
第2章 文獻綜述
2．1 0PN模型
2．1．1 基本概念
2．1．2 構造方法及問(wèn)題
2．2 QPN定性推理
2．2．1 符號傳播算法
2．2．2 約簡(jiǎn)歧義性的推理方法
2．3 定量概率網(wǎng)融合
2．4 存在的問(wèn)題
2．5 本書(shū)工作思路
第3章 基于定性互信息的多源QPNs符號融合算法
3．1 定性互信息
3．2 歧義性約簡(jiǎn)
3．2．1 增強QPN
3．2．2 性質(zhì)分析
3．2．3 約簡(jiǎn)算法
3．3 符號融合算法QPNSF
3．4 實(shí)驗
3．4．1 歧義性約簡(jiǎn)算法實(shí)驗
3．4．2 QPNSF融合算法實(shí)驗
3．5 小結
第4章 基于粗糙集的多源QPNs結構融合算法
4．1 粗糙集理論基礎
4．2 相同節點(diǎn)的結構融合
4．2．1 歧義性約簡(jiǎn)
4．2．2 環(huán)路消除
4．2．3 融合算法SNQPNF
4．3 時(shí)序環(huán)境相同節點(diǎn)的結構融合
4．3．1 時(shí)變QPN
4．3．2 時(shí)變QPN學(xué)習算法LQPN
4．3．3 多時(shí)變QPNs融合算法TQPNF
4．4 不同節點(diǎn)的結構融合
4．4．1 基本思想
4．4．2 融合算法DNQPNF
4．5 實(shí)驗
4．5．1 SNQPNF融合算法實(shí)驗
4．5．2 TOPNF融合算法實(shí)驗
4．5．3 DNQPNF融合算法實(shí)驗
4．6 小結
第5章 多源QPNs知識在定量BN建模中的應用
5．1 BN建模問(wèn)題捕述
5．2 BN模型及其評價(jià)準則
5．3 面向缺值數據的SEM學(xué)習算法
5．4 基于OPNs的BN模型構建算法
5．4．1 基于QPNs知識的BN參數修正
5．4．2 基于QPNs定性知識的搜索算子
5．4．3 初始網(wǎng)絡(luò )的選擇規則及其優(yōu)化策略
5．4．4 SEM-MQ算法
5．4．5 時(shí)間復雜性和收斂性
5．5 實(shí)驗
5．5．1 實(shí)驗環(huán)境與數據集
5．5．2 評估指標
5．5．3 SEM-MQ與其他結構學(xué)習算法的實(shí)驗結果對比與分析
5．5．4 樣本量m與缺值比例r對SEM-MQ實(shí)驗結果的影響
5．6 小結
第6章 結語(yǔ)
縮略語(yǔ)
插圖索引
表格索引
附錄A部分實(shí)驗代碼
附錄B部分最小樣本實(shí)驗數據
參考文獻
后記
1．1 研究背景
1．2 研究?jì)热?
1．3 本書(shū)結構
第2章 文獻綜述
2．1 0PN模型
2．1．1 基本概念
2．1．2 構造方法及問(wèn)題
2．2 QPN定性推理
2．2．1 符號傳播算法
2．2．2 約簡(jiǎn)歧義性的推理方法
2．3 定量概率網(wǎng)融合
2．4 存在的問(wèn)題
2．5 本書(shū)工作思路
第3章 基于定性互信息的多源QPNs符號融合算法
3．1 定性互信息
3．2 歧義性約簡(jiǎn)
3．2．1 增強QPN
3．2．2 性質(zhì)分析
3．2．3 約簡(jiǎn)算法
3．3 符號融合算法QPNSF
3．4 實(shí)驗
3．4．1 歧義性約簡(jiǎn)算法實(shí)驗
3．4．2 QPNSF融合算法實(shí)驗
3．5 小結
第4章 基于粗糙集的多源QPNs結構融合算法
4．1 粗糙集理論基礎
4．2 相同節點(diǎn)的結構融合
4．2．1 歧義性約簡(jiǎn)
4．2．2 環(huán)路消除
4．2．3 融合算法SNQPNF
4．3 時(shí)序環(huán)境相同節點(diǎn)的結構融合
4．3．1 時(shí)變QPN
4．3．2 時(shí)變QPN學(xué)習算法LQPN
4．3．3 多時(shí)變QPNs融合算法TQPNF
4．4 不同節點(diǎn)的結構融合
4．4．1 基本思想
4．4．2 融合算法DNQPNF
4．5 實(shí)驗
4．5．1 SNQPNF融合算法實(shí)驗
4．5．2 TOPNF融合算法實(shí)驗
4．5．3 DNQPNF融合算法實(shí)驗
4．6 小結
第5章 多源QPNs知識在定量BN建模中的應用
5．1 BN建模問(wèn)題捕述
5．2 BN模型及其評價(jià)準則
5．3 面向缺值數據的SEM學(xué)習算法
5．4 基于OPNs的BN模型構建算法
5．4．1 基于QPNs知識的BN參數修正
5．4．2 基于QPNs定性知識的搜索算子
5．4．3 初始網(wǎng)絡(luò )的選擇規則及其優(yōu)化策略
5．4．4 SEM-MQ算法
5．4．5 時(shí)間復雜性和收斂性
5．5 實(shí)驗
5．5．1 實(shí)驗環(huán)境與數據集
5．5．2 評估指標
5．5．3 SEM-MQ與其他結構學(xué)習算法的實(shí)驗結果對比與分析
5．5．4 樣本量m與缺值比例r對SEM-MQ實(shí)驗結果的影響
5．6 小結
第6章 結語(yǔ)
縮略語(yǔ)
插圖索引
表格索引
附錄A部分實(shí)驗代碼
附錄B部分最小樣本實(shí)驗數據
參考文獻
后記
相關(guān)商品
京公網(wǎng)安備 11000002000088號
