貝葉斯網(wǎng)絡(luò)隱藏變量維數(shù)學(xué)習(xí)研究及應(yīng)用.pdf

1、在過(guò)去的數(shù)十年間,很多研究集中于通過(guò)數(shù)據(jù)驅(qū)動(dòng)的方式來(lái)學(xué)習(xí)貝葉斯網(wǎng)絡(luò)。但是現(xiàn)實(shí)世界是復(fù)雜多變的,有許多知識(shí)是隱蔽的,不易被觀測(cè)到。在關(guān)于貝葉斯網(wǎng)絡(luò)的研究中,也存在同樣的問(wèn)題,這就是隱變量。隱變量是不可觀察到的變量,但是隱變量往往能夠簡(jiǎn)化可觀測(cè)變量之間的復(fù)雜的依賴關(guān)系,優(yōu)化貝葉斯網(wǎng)絡(luò)模型。學(xué)習(xí)隱變量已成為貝葉斯網(wǎng)絡(luò)研究領(lǐng)域的一項(xiàng)重要內(nèi)容;發(fā)現(xiàn)隱變量的維數(shù)是隱變量研究中的一項(xiàng)難題。隱變量維數(shù)學(xué)習(xí)可以應(yīng)用于構(gòu)建包含隱變量的基因調(diào)控網(wǎng)絡(luò)。因此,研

2、究隱變量維數(shù)具有重要的科學(xué)意義和較高的應(yīng)用價(jià)值,同時(shí)也是一個(gè)充滿挑戰(zhàn)性的問(wèn)題。
　　在本文中,將針對(duì)貝葉斯網(wǎng)絡(luò)隱變量維數(shù)的學(xué)習(xí)展開一系列的探討。隱變量維數(shù)的學(xué)習(xí)內(nèi)容主要包括兩個(gè)方面:一是,單隱變量維數(shù)的學(xué)習(xí);二是,多隱變量的維數(shù)學(xué)習(xí)。針對(duì)這兩個(gè)方面的研究?jī)?nèi)容,論文所開展的具體研究工作如下:
　　第一,針對(duì)現(xiàn)有學(xué)習(xí)方法都難以準(zhǔn)確學(xué)習(xí)隱變量維數(shù)的缺點(diǎn),提出一種新穎的基于模擬退火策略控制下的評(píng)分凝聚算法(SSA算法)學(xué)習(xí)隱變量維數(shù)

3、。SSA算法的基本思想:首先,利用馬爾科夫獨(dú)立性假設(shè)和BDe評(píng)分的可分解性排除網(wǎng)絡(luò)中與隱變量條件獨(dú)立的節(jié)點(diǎn),提取由隱變量及其馬爾科夫毯變量組成的局部網(wǎng)絡(luò)。以局部網(wǎng)絡(luò)替代原始網(wǎng)絡(luò)進(jìn)行維數(shù)學(xué)習(xí),可以有效減少算法的運(yùn)算時(shí)間;其次,確定隱變量的最大可能維數(shù)并填補(bǔ)數(shù)據(jù)集;再次,為隱變量取每種可能維數(shù)時(shí)的網(wǎng)絡(luò)進(jìn)行評(píng)分,同時(shí)使用模擬退火策略控制隱變量取值狀態(tài)的合并;最終學(xué)習(xí)到隱變量的最優(yōu)維數(shù)。
　　第二,貝葉斯網(wǎng)絡(luò)中存在多個(gè)隱變量時(shí),多隱變量間

4、可能存在復(fù)雜的依賴關(guān)系,尤其是當(dāng)多個(gè)隱變量不是相互獨(dú)立時(shí)。針對(duì)當(dāng)前的方法不能有效學(xué)習(xí)多隱變量維數(shù)的問(wèn)題,我們以SSA算法為基礎(chǔ)提出學(xué)習(xí)多隱變量維數(shù)的MSSA算法。該算法的基本思想是:設(shè)置一個(gè)隊(duì)列用以存放待學(xué)習(xí)的隱變量。每次只改變一個(gè)隱變量的維數(shù)并對(duì)網(wǎng)絡(luò)評(píng)分,這可以使用SSA算法來(lái)實(shí)現(xiàn)。在改變了某個(gè)隱變量的維數(shù)之后,將與其非獨(dú)立的隱變量加入對(duì)列中。直至隊(duì)列為空或隱變量維數(shù)不再改變?yōu)橹?算法終止。最終學(xué)習(xí)到多隱變量的最優(yōu)維數(shù)。
　　通