基于PCA的貝葉斯網(wǎng)絡(luò)構(gòu)造算法研究與應(yīng)用.pdf

1、貝葉斯網(wǎng)絡(luò)是用來表示變量間概率分布的圖形模式，它提供了一種自然的表示因果信息的方法，用來發(fā)現(xiàn)數(shù)據(jù)間的潛在關(guān)系，具有穩(wěn)固的數(shù)學(xué)基礎(chǔ)，由于其具有圖形化的模型表示形式、局部及分布式的學(xué)習(xí)機(jī)制、直觀的推理；適用于表達(dá)和分析不確定性和概率性的事物；能夠?qū)Σ煌耆?、不精確或不確定的知識(shí)或信息做出有效的推理等特性，而成為目前不確定知識(shí)表達(dá)和推理領(lǐng)域最有效的模型之一。如何通過有效的方法和算法利用現(xiàn)實(shí)數(shù)據(jù)學(xué)習(xí)貝葉斯網(wǎng)絡(luò)，并準(zhǔn)確地表達(dá)蘊(yùn)含在數(shù)據(jù)中有價(jià)值的信息

2、是目前研究的熱點(diǎn)和難點(diǎn)。本文采用基于信息論的方法進(jìn)行貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)學(xué)習(xí)，并針對(duì)其當(dāng)節(jié)點(diǎn)集越大，計(jì)算效率越低的缺點(diǎn)采用PCA降維，減少節(jié)點(diǎn)集的數(shù)量，提高算法的效率，主要工作如下： 1、用模糊聚類對(duì)連續(xù)數(shù)據(jù)或混合數(shù)據(jù)進(jìn)行離散化；對(duì)數(shù)據(jù)集用PCA主元分析算法進(jìn)行降維，減少其中節(jié)點(diǎn)的個(gè)數(shù)； 2、運(yùn)用Gibbs抽樣算法對(duì)數(shù)據(jù)集中的缺失數(shù)據(jù)進(jìn)行補(bǔ)充，用基于信息論的方法學(xué)習(xí)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)； 3、用分類實(shí)驗(yàn)驗(yàn)證基于PCA的貝葉