關于我們
書單推薦
新書推薦
|
多源定性概率網模型的融合算法研究
概率網是人工智能學科表示并處理概率知識的一類圖模型方法。多源概率網融合是全面進行概率知識表示和推理研究中的重要問題。已有T作大多限于貝葉斯網、影響圖和可能性網等定量概率網的融合,較少考慮到概率知識只能定性表示或只需定性表示時的定性概率網(Qualitative ProbabilisticNetworks,QPNs)模型融合。
基于上述問題,《多源定性概率網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方面。 1.提出基于定性互信息的歧義性約簡方法。嚴格定義定性互信息,在此基礎上,提出可區(qū)分影響強度的增強QPN,并證明其性質,給出多項式時間的歧義性約簡方法。 2.設計并實現基于定性互信息的QPNSF符號融合算法。將歧義性約簡方法擴展到多個結構相同的QPNs符號融合中,提出QPNSF融合算法,分析了算法的時間復雜性。 3.設計并實現具有相同節(jié)點的sNQPNF結構融合算法。基于粗糙集理論,采用概率正域求解屬性依賴度作為定性影響的強度,解決融合時涉及的關鍵問題,提出SNQPNF融合算法,分析了算法的時問復雜性。 4.設計并實現時序環(huán)境具有相同節(jié)點的TQPNF結構融合算法。定義時變QPN(TQPN),通過考慮其中的自身環(huán)等問題,提出基于粗糙集理淪的TQPNF融合算法,分析了算法的時間復雜性。 5.設計并實現具有不同節(jié)點的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,分析了算法的時間復雜性。 6.面向缺值數據,設計并實現了基于多源QPNs知識的定量參數建模算法,即貝葉斯網絡學習SEM.MQ算法。通過基于多源QPNs知識補全缺值數據,給出初始網絡的選取規(guī)則和候選網絡的優(yōu)化策略,提出SEM-MQ算法,許分析了該算法的時間復雜性和收斂性。
你還可能感興趣
我要評論
|