贝叶斯网最优三角化问题的Best-first搜索算法研究及应用

发布时间：2024-12-02 22:10

　　在人工智能范围中,不确定性推理泛指除精确推理以外的其它各种推理问题。包括不完备、不精确知识的推理、模糊知识的推理、非单调性推理等。在众多不确定性推理方法中,贝叶斯网(Bayesian belief networks)是属于一种基于模型的内涵方法。简单来讲,它提供了特定领域知识的一种模型表示以及基于这种模型的若干种学习和推理机制,用于建立模型并回答与这些领域知识相关的问询,并在此基础上进行辅助预测、决策及分析。自贝叶斯网出现以来,其推理计算一直是人工智能中研究的热点和难点之一。贝叶斯网推理方法分为精确和近似两大类。联结树方法是一种经典的贝叶斯网精确推理方法,在贝叶斯网推理中具有重要地位。联结树算法首先对贝叶斯网进行三角化,再转换为联结树,然后在联结树上进行信念传播,完成推理计算。将贝叶斯网以最优形式进行三角化,以使推理计算效率最高,是联结树算法的关键所在。对于给定的贝叶斯网络,寻找一个三角化图,使得其中的最大团簇的所含节点数最少,这类最优三角化问题称作树宽度(tree width)问题;另一类最优三角化问题称作树费用(tree cost)问题,其目标是使得三角化图中所有团簇的状态空间最小,...

【文章页数】：49 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景与意义
    1.2 研究现状
    1.3 应用领域
        1.3.1 在医学和公共卫生领域的应用
        1.3.2 在信息识别领域的应用
        1.3.3 在图像分析方面的应用
    1.4 本文组织结构
第2章 贝叶斯网最优三角化问题
    2.1 问题简述
    2.2 搜索树
第3章 求解最优三角化问题的Best-First-Search算法
    3.1 算法概述
        3.1.1 符号和定义
        3.1.2 Best-First-Search算法框架
        3.1.3 启发式函数的设计
        3.1.4 评估策略的设计
    3.2 实验结果及分析
        3.2.1 实验环境及数据描述
        3.2.2 实验测试结果及分析
    3.3 本章小结
第4章 应用最优三角化的推理诊断软件设计实现
    4.1 贝叶斯网编辑和推理软件
        4.1.1 设计目标
        4.1.2 需求分析
        4.1.3 总体设计
        4.1.4 详细设计
        4.1.5 运行界面
    4.2 打印故障辅助诊断程序
        4.2.1 设计目标
        4.2.2 需求分析
        4.2.3 总体设计
        4.2.4 详细设计
        4.2.5 运行界面
    4.3 本章小结
第5章 总结与展望
参考文献
致谢



本文编号：4013989