不确定性知识的定性表示、推理及其应用——定性概率网研究综述

 贝叶斯网是不确定性知识表示和推理的有效框架,定性概率网是贝叶斯网的抽象表示,它简化了不确定性知识的表示,加速了不确定性知识的推理.近年来,定性概率网成为了不确定人工智能和知识发现领域的一个重要研究方向.分析总结了目前定性概率网的挑战和研究成果,主要包括定性概率网的知识表示、推理及应用3个方面.表示方面,概括了定性影响、定性加协作、定性乘协作和原因间影响,并探讨了定性概率网表示机制存在的问题及主要解决方法;推理方面,描述了推理算法,探讨了定性概率网推理冲突问题,分析比较了解决推理冲突的主要方法;应用方面,概括了基于定性概率网的知识发现和决策支持的主要方法.此外,基于对现有研究成果的分析总结,也指出了定性概率网相关方面进一步研究的问题及重点.     

带隐变量贝叶斯网学习方法：研究综述

带隐变量贝叶斯网是一种重要的概率图模型，通过引入隐变量，对数据中的隐含知识进行定性和定量描述，从而实现不确定性知识的表示和推理.近年来，带隐变量贝叶斯网的学习，成为了不确定人工智能和知识发现领域中的重要研究方向.文章分析总结了目前带隐变量贝叶斯网学习研究面临的挑战，针对所涉及的确定隐变量的势和个数、参数学习及结构学习这3个方面的工作，介绍确定隐变量势和个数的基本思想，对学界广泛关注的参数学习和结构学习的代表性成果进行了综述，给出相关方法的适用场景、基本思想和主要步骤，也给出相应的对比分析.确定隐变量的势及个数方面，阐述了基于聚类的方法和基于团的方法；参数学习方面，阐述了包括插补、梯度上升、EM算法在内的方法，以及基于EM算法的改进方法；结构学习方面，阐述了基于评分搜索方法和基于条件独立方法的基本思想，以及基于评分搜索算法的改进方法.此外，基于对现有研究成果的分析总结，指出了带隐变量贝叶斯网学习进一步研究的问题及重点.     

结合定性知识的定量贝叶斯模型外推方法 

针对新设计域中试验数据有限而难以进行模型验证的问题,提出了定性知识与定量贝叶斯推理相结合的模型外推方法.其中,量化方法用于将领域专家意见等定性知识转化为先验概率;贝叶斯网络及限定抽样范围的蒙特卡罗方法用于定量推理,并通过贝叶斯区间假设检验的贝叶斯可信度提供模型外推结果.对Sandia国家实验室某静态力学结构的研究表明,该方法能有效实现新设计域不确定性系统的模型可信度外推.     

超贝叶斯图模型及其联结树的构建

不确定性数据模型是在复杂的环境中对不确定信息及其之间关系的一个比较准确的描述,能有效地处理复杂的实际问题,如贝叶斯网、粗糙集等传统的不确定数据模型.本文提出一种超贝叶斯模型,用来表示复杂数据间的相关性以及数据间不确定性;分析了超贝叶斯图条件独立的性质;从而给出超贝叶斯图的联结树的构建方法及算法;基于联结树进行概率化简,...     

时序环境中概率因果关系的定性表示及融合

 时序数据库各时间片的数据中蕴含着概率因果关系,多时间片概率因果关系的融合可为时态环境中因果关系的综合分析、全局考虑、决策支持及趋势预测等提供科学的依据,该文研究多时间片内同一变量集上概率因果关系的定性表示及融合.首先将各时间片的贝叶斯网(BN)抽象为定性概率网(QPN),以定性的方式高效、简洁地表示各时间片数据中蕴含的概率因果关系.然后,基于BN的推理方法及时序环境中的马尔可夫假设,构造多时间片QPN的一致表示,从而解决各时间片QPN的结构融合问题.基于证据叠加和QPN中定性影响加权的基本思想,给出基于区间值的QPN定性影响量化及相应的定性影响叠加方法,从而解决各时间片QPN的参数融合问题.实验结果表明所提出方法的可行性.     

学生就业贝叶斯网模型的构建与推理

贝叶斯网是一种帮助人们将概率统计应用于复杂领域、进行不确定性推理和数据分析的工具.构建了学生就业贝叶斯网模型,找出就业受择业观念、能力素质、择业技巧、就业心理等因素影响的相互依赖关系,并在学生就业贝叶斯网模型基础上利用簇树进行推理.     

基于赋值代数的BN概率推理的局部计算模型

在Shenoy-Shafer赋值代数公理基础上,定义了贝叶斯网(Bayesian network,BN)推理结构上的赋值代数;提出BN上概率推理的赋值代数模型,该模型包括推理结构转变、赋值初始化、一致性消息全局传播与吸收以及概率推理的局部计算四个环节,建立了相应的算法以及联合概率与条件概率的计算方法;最后通过例子说明文章所提出的方法.所提出计算模型为贝叶斯网的概率推理提供了一种新的局部计算方法.     

一种基于概率图模型的关联规则更新方法

针对事务库发生变化后关联规则的更新问题,讨论了一种只对具有实用价值的关联规则更新其前件的方法.首先分析了关联规则各组件间的依赖关系及其不确定性,进而建立描述其中所蕴含不确定性知识的贝叶斯网模型(称为规则贝叶斯网),并提出了基于Gibbs采样的规则贝叶斯网近似推理算法,从而实现关联规则的更新.实验结果表明,作者提出的基于概率图模型的关联规则前件更新方法具有高效性和可行性.     

贝叶斯网络学习算法研究

贝叶斯网络是一种概率图形模型,它提供了不确定性环境下的知识表示、推理、学习手段,可以完成决策、诊断、预测、分类等任务,已广泛应用于数据挖掘、语音识别、工业控制、经济预测、医疗诊断等诸多领域。贝叶斯网络将概率理论和图论相结合,为解决不确定性问题提供了一种自然而直观的方法。在对贝叶斯网络全面概述的基础上,深入研究了贝叶斯网络的结构学习。     

基于概率图模型的互联网广告点击率预测

点击率预测可以提高用户对所展示互联网广告的满意度,支持广告的有效投放,是针对用户进行广告的个性化推荐的重要依据.对于没有历史点击记录的用户,仍需对其推荐广告,预测所推荐广告的点击率.针对这类用户,以贝叶斯网这一重要的概率图模型,作为不同用户之间广告搜索行为的相似性及其不确定性的表示和推理框架,通过对用户搜索广告的历史记录进行统计计算,构建反映用户间相似关系的贝叶斯网,进而基于概率推理机制,定量度量没有历史点击记录的用户与存在历史点击记录的用户之间的相似性,从而预测没有历史点击记录的用户对广告的点击率,为广告推荐提供依据.通过建立在KDD Cup 2012-Track 2的Tencent CA训练数据集上的实验,测试了方法的有效性.     

带区间参数的贝叶斯网的近似推理

 用区间概率代替贝叶斯网中的点概率,将贝叶斯网扩展为带区间参数的贝叶斯网,使得贝叶斯网更具一般性.用规范概念的计算规则进行区间概率的计算,用Gibbs采样的近似推理法对带区间参数的贝叶斯网进行近似推理,计算后验概率.并给出近似推理的算法和实验,实验结果表明该方法是有效的.     

专家系统的不确定性知识表示和询问过程的实现

专家系统的发展要求系统在人机交互方式上尽可能采用自然语言.另外,人的推理本身就涉及到不确定性知识.因而,在建立一个专家系统设计工具或设立一个专家系统时,研究不确定性知识的表示是重要的.本文简要地说明专家系统的不确定性知识的表示和自学习推理的模型,以及在IBM-PC微机上,采用dBASE(III)实现不确定性的知识表示和询问过程. 一、具有不确定性知识表示和自学习推理的专家系统的结构     

面向agent的统一知识表示与推理逻辑框架

agent设计的坚实理论基础必须建立在知识表示和推理的理论之上.针对目前逻辑理论模型及行为理论模型的不足,提出以描述逻辑及其扩展来描述agent的静态、动态及不确定性知识等信念知识,结合描述逻辑与行为理论进行动作描述;并与认知逻辑相结合构成一个信念知识混合系统认知描述逻辑(EDL),以弥补描述逻辑在过程规则表示方面的不足.给出了EDL的语法及语义以及公理系统,构建了一个面向agent的统一的知识表示和推理逻辑框架.     

贝叶斯网络VE推理算法的并行化研究

贝叶斯网络是一种强有力的不确定性推理和数据分析工具.网络推理是贝叶斯网络的重要内容之一.VE算法是利用联合分布的分解来简化推理的贝叶斯网推理算法.提出一种基于最小缺边搜索算法的消元顺序(PL_OE)算法,使VE算法可并行执行,降低了贝叶斯网推理的时间复杂性.     

基于贝叶斯网络的轨道车辆门故障诊断研究

轨道车辆门系统的故障诊断受到广泛关注.针对门系统在故障诊断中存在不确定性问题,提出一种基于贝叶斯网络的故障诊断流程,统计某地铁公司提供的故障数据,建立轨道车辆门故障贝叶斯网络模型,计算得出各故障的先验概率,在建立的贝叶斯模型中输入故障证据,得到各故障的后验概率.通过仿真试验证明了贝叶斯网络能很好地推理出门系统的故障所在,为车门的故障诊断和维修提供参考和建议.     

遥感地表参数反演中的一种不确定性知识处理方法

在基于贝叶斯网络的遥感参数反演模型中引入虚拟节点,提出不确定性知识表示与知识更新方法,推导了遥感反演中的参数后验信息更新公式.用北京顺义遥感实验的多尺度数据对冬小麦的叶面积指数和叶绿素面质量进行反演计算,验证了多知识源反演过程中不确定性知识对参数后验分布概率的调整模式.     

用于决策支持的贝叶斯网络

联机分析处理只能用于决策的表层知识，数据采掘却能提供深层次的知识，即提供数据内部所隐藏的有用知识，贝叶斯网络是数据采掘的一个非常有效的工具，它能够定性和定量地分析属性之间的依赖关系，并进行概率推理。     

一种基于贝叶斯网络的故障预测方法

为了研究故障在复杂工程系统中的传播机制,根据关键节点的状态异常信息预测系统发生故障的概率,提出一种基于贝叶斯网络的故障预测方法.根据工程系统自身固有的网络拓扑结构,构建了多层贝叶斯网络模型,利用定性趋势分析法将时间信息融入网络节点中,使得网络具有处理时序信息的能力,便于进行故障传播机理分析和故障预测.提出了基于元器件健康度的根节点故障概率确定方法,针对完备数据集和非完备数据集,选择不同的参数学习方法确定贝叶斯网络的条件概率表,采用多树传播算法进行联合概率推理,由系统根节点运行状态推测其余节点的故障概率.算法在Quanser三自由度四旋翼直升机上进行了仿真应用,结果验证了该方法的可行性和有效性.     

贝叶斯网络在故障诊断中的应用

贝叶斯网络适用于表达和分析不确定性和概率性的事物,由于具有能够对不完全、不精确或不确定的知识或信息作出有效的推理等特性,而成为目前不确定知识表达和推理领域最有效的模型之一。     

基于半定性贝叶斯网络的建模方法研究

在定性贝叶斯网络的基础上,提出一种既包含定性符号信息,又包含概率分布定量信息的半定性贝叶斯网络,用以集成多个专家的知识和经验,通过一个与专家反复交互的过程,构建出相关问题领域的稳定的贝叶斯网络模型。提出利用区间数来统一表达多个专家的定性或定量的判断意见,给出了在半定性贝叶斯网络中进行概率推理的区间数传播算法,并通过算例验证其有效性。