多源定性概率网模型的融合算法研究PDF电子书下载

第1章 绪论 1

1.1 研究背景 1

1.2 研究内容 3

1.3 本书结构 5

第2章 文献综述 7

2.1 QPN模型 7

2.1.1 基本概念 7

2.1.2 构造方法及问题 12

2.2 QPN定性推理 12

2.2.1 符号传播算法 13

2.2.2 约简歧义性的推理方法 14

2.3 定量概率网融合 18

2.4 存在的问题 22

2.5 本书工作思路 22

第3章 基于定性互信息的多源QPNs符号融合算法 25

3.1 定性互信息 25

3.2 歧义性约简 28

3.2.1 增强QPN 28

3.2.2 性质分析 29

3.2.3 约简算法 36

3.3 符号融合算法QPNSF 38

3.4 实验 42

3.4.1 歧义性约简算法实验 42

3.4.2 QPNSF融合算法实验 52

3.5 小结 60

第4章 基于粗糙集的多源QPNs结构融合算法 61

4.1 粗糙集理论基础 61

4.2 相同节点的结构融合 68

4.2.1 歧义性约简 71

4.2.2 环路消除 73

4.2.3 融合算法SNQPNF 75

4.3 时序环境相同节点的结构融合 76

4.3.1 时变QPN 77

4.3.2 时变QPN学习算法LTQPN 78

4.3.3 多时变QPNs融合算法TQPNF 83

4.4 不同节点的结构融合 87

4.4.1 基本思想 87

4.4.2 融合算法DNQPNF 88

4.5 实验 90

4.5.1 SNQPNF融合算法实验 92

4.5.2 TQPNF融合算法实验 95

4.5.3 DNQPNF融合算法实验 100

4.6 小结 105

第5章 多源QPNs知识在定量BN建模中的应用 107

5.1 BN建模问题描述 107

5.2 BN模型及其评价准则 109

5.3 面向缺值数据的SEM学习算法 110

5.4 基于QPNs的BN模型构建算法 111

5.4.1 基于QPNs知识的BN参数修正 112

5.4.2 基于QPNs定性知识的搜索算子 114

5.4.3 初始网络的选择规则及其优化策略 114

5.4.4 SEM-MQ算法 115

5.4.5 时间复杂性和收敛性 116

5.5 实验 117

5.5.1 实验环境与数据集 117

5.5.2 评估指标 117

5.5.3 SEM-MQ与其他结构学习算法的实验结果对比与分析 118

5.5.4 样本量m与缺值比例r对SEM-MQ实验结果的影响 120

5.6 小结 123

第6章 结语 124

缩略语 126

插图索引 128

表格索引 130

附录A 部分实验代码 132

附录B 部分最小样本实验数据 160

参考文献 163

后记 174