鏈圖模型的結(jié)構(gòu)學(xué)習(xí)研究.pdf

1、因果圖模型是統(tǒng)計因果推斷的一個主要工具,而單純因果圖模型是一門新興卻又十分活躍的學(xué)科,也是一門很有實(shí)用價值的學(xué)科。因果圖模型是近幾年才開始被研究,雖然到現(xiàn)在為止,已經(jīng)取得了很好的成績,但是發(fā)展還不是很完善。因果圖模型主要包含馬爾可夫網(wǎng)絡(luò)結(jié)構(gòu)和貝葉斯網(wǎng)絡(luò)結(jié)構(gòu),馬爾可夫網(wǎng)絡(luò)結(jié)構(gòu)主要是用來定性和定量的,是一個無向圖網(wǎng)絡(luò)結(jié)構(gòu),其中節(jié)點(diǎn)代表變量,邊代表兩變量的相關(guān)性,我們利用無向圖一般是來討論兩變量的條件獨(dú)立性,主要應(yīng)用于語音識別、音字轉(zhuǎn)換、詞性

2、標(biāo)注。貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)是一個有向無環(huán)圖,有向邊代表因果作用,節(jié)點(diǎn)依舊是隨機(jī)變量,貝葉斯網(wǎng)絡(luò)是基于概率推理的數(shù)學(xué)模型,所謂概率推理就是通過一些變量的信息來獲取其他的概率信息的過程,基于概率推理的貝葉斯網(wǎng)絡(luò)(Bayesiannetwork)是為了解決不定性和不完整性問題而提出的,它對于解決復(fù)雜設(shè)備不確定性和關(guān)聯(lián)性引起的故障有很明顯的優(yōu)勢,在多個領(lǐng)域中獲得廣泛應(yīng)用。例如社會科學(xué),經(jīng)濟(jì)學(xué),計算科學(xué)等等。
　　這篇文章第一部分主要討論了在對未

3、觀測變量邊緣化后一個鏈圖(CG)的局部結(jié)構(gòu)學(xué)習(xí)問題,以及如何從兩個局部結(jié)構(gòu)中恢復(fù)整個網(wǎng)絡(luò)結(jié)構(gòu)圖。其中給出了條件來判斷經(jīng)過邊緣化后,哪些確定出來的邊是正確的,哪些邊是不正確的。從而根據(jù)合并局部結(jié)構(gòu)的算法,去掉那些假邊,得到潛在的鏈圖結(jié)構(gòu)。
　　文章的第二部分主要是介紹了鏈圖學(xué)習(xí)的另一種算法一一遞歸算法。該算法是首先根據(jù)觀察數(shù)據(jù),建立一個完全無向圖,然后根據(jù)變量的條件獨(dú)立性,刪掉一些無向邊,建立一個無向獨(dú)立圖,隨后,根據(jù)邊緣化,一分二