具有認(rèn)知特性的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)方法研究.pdf

1、近年來，貝葉斯網(wǎng)絡(luò)因?yàn)槠湓诓淮_定環(huán)境下知識表示、推理的能力，成為不確定性人工智能的研究熱點(diǎn)，為管理中的不確定性決策問題提供有效的工具和方法。目前為貝葉斯網(wǎng)絡(luò)開辟新應(yīng)用方向的理論研究成為異?；钴S的研究領(lǐng)域，主要包括貝葉斯網(wǎng)絡(luò)學(xué)習(xí)和推理，其中貝葉斯網(wǎng)絡(luò)學(xué)習(xí)包括結(jié)構(gòu)學(xué)習(xí)和參數(shù)學(xué)習(xí)。
　　傳統(tǒng)的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)方法主要分為基于專家知識和基于數(shù)據(jù)集兩種類型，是從不同形態(tài)的知識源中挖掘問題域中表現(xiàn)為變量依賴關(guān)系的知識，進(jìn)行知識表示來確定網(wǎng)絡(luò)

2、結(jié)構(gòu)的過程。因此，貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)的過程是一個知識獲取的過程，其本質(zhì)是機(jī)器學(xué)習(xí)方法的研究。但是基于數(shù)據(jù)集的學(xué)習(xí)方法具有一定的困難，已經(jīng)證明搜索最優(yōu)的網(wǎng)絡(luò)結(jié)構(gòu)是一個NP-hard問題，而基于專家知識的貝葉斯網(wǎng)絡(luò)學(xué)習(xí)具有一定的主觀性。為了解決傳統(tǒng)結(jié)構(gòu)學(xué)習(xí)方法的問題，使計(jì)算機(jī)具有人的知識獲取能力，為學(xué)習(xí)方法開發(fā)智能的計(jì)算模型，是對貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)方法提出的新要求。
　　本文在貝葉斯網(wǎng)絡(luò)理論研究的基礎(chǔ)上，根據(jù)認(rèn)知科學(xué)人工智能領(lǐng)域的新發(fā)

3、展要求，以從不同形態(tài)的知識源中自動進(jìn)行知識獲取以及知識表示為目的，通過引入雙庫協(xié)同認(rèn)知機(jī)制進(jìn)行數(shù)據(jù)庫中的知識發(fā)現(xiàn)，以及基于強(qiáng)相關(guān)邏輯進(jìn)行的知識庫中知識發(fā)現(xiàn)，研究能夠模仿人類認(rèn)知活動自動地進(jìn)行知識獲取并表示的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)方法。針對問題域中具有完備數(shù)據(jù)集的情況，提出基于多值屬性關(guān)聯(lián)規(guī)則挖掘算法(Mqars)的結(jié)構(gòu)學(xué)習(xí)方法;針對問題域中數(shù)據(jù)缺乏的情況，提出基于強(qiáng)相關(guān)邏輯的結(jié)構(gòu)學(xué)習(xí)方法。最后分別用兩種具有認(rèn)知特性的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)方法對

4、上市公司財務(wù)預(yù)警問題和產(chǎn)業(yè)集群衰退問題建模進(jìn)行實(shí)證研究。
　　具體的研究內(nèi)容包括:
　　(1)分析貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)的本質(zhì)，針對傳統(tǒng)方法的問題和人工智能領(lǐng)域的新要求，提出本文的研究問題和研究目的。對貝葉斯網(wǎng)絡(luò)理論研究框架進(jìn)行深入研究，分析貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)的本質(zhì);通過對貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)方法的研究現(xiàn)狀，分析兩類傳統(tǒng)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)方法的問題;綜述認(rèn)知科學(xué)的人工智能領(lǐng)域新的發(fā)展要求，提出本文所研究的問題。
　　(2)針

5、對完備數(shù)據(jù)集的問題域，提出具有認(rèn)知自主性的基于Mqars算法的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)方法。首先，為了實(shí)現(xiàn)了數(shù)據(jù)庫與知識庫的互操作，提出了一系列定義和定理搭建研究的理論框架，這是使方法具有認(rèn)知特性的基礎(chǔ);然后，針對各個流程提出一系列子算法進(jìn)行知識獲取并將知識表示為貝葉斯網(wǎng)絡(luò)，包括基于粗糙集、核主成分分析、粗糙集&核主成分分析的先驗(yàn)知識提取約簡方法、基于粗糙集的多值屬性關(guān)聯(lián)規(guī)則算法(Mqars)和因果關(guān)系關(guān)聯(lián)規(guī)則的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)表示方法。

6、>　　(3)提出基于強(qiáng)相關(guān)邏輯的貝葉斯網(wǎng)絡(luò)（strong relevant logic-Bayesian networks，簡稱SRL-BNs）以及基于SRL-BNs的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)方法。從貝葉斯網(wǎng)絡(luò)的底層邏輯出發(fā)，針對現(xiàn)有的貝葉斯網(wǎng)絡(luò)的概率邏輯模型存在的問題，構(gòu)建基于強(qiáng)相關(guān)邏輯的貝葉斯網(wǎng)絡(luò)形式化的表示系統(tǒng)，用確定子句邏輯的語言定義了貝葉斯網(wǎng)絡(luò)的組件，并給出了宣言式的語義。給出了基于SRL-BNs的結(jié)構(gòu)學(xué)習(xí)方法的具體算法，該算法能夠

7、自動的進(jìn)行知識庫中的知識發(fā)現(xiàn)，針對不完備數(shù)據(jù)集和缺乏數(shù)據(jù)問題域，能夠自動獲取知識并表示成貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)，是一個具有認(rèn)知特性的自動化的機(jī)器學(xué)習(xí)工具。最后通過一個實(shí)例分析SRL-BNs的組件及其建模過程。
　　(4)建立基于貝葉斯網(wǎng)絡(luò)的財務(wù)預(yù)警模型進(jìn)行上市公司財務(wù)預(yù)警問題的研究。對問題的研究背景、研究意義及研究現(xiàn)狀、研究方法進(jìn)行綜述，收集樣本并在真實(shí)的數(shù)據(jù)上訓(xùn)練貝葉斯網(wǎng)絡(luò)財務(wù)預(yù)警模型的結(jié)構(gòu)和參數(shù)，在結(jié)構(gòu)學(xué)習(xí)上利用基于Mqars算法的貝

8、葉斯網(wǎng)結(jié)構(gòu)學(xué)習(xí)方法，用構(gòu)建的模型進(jìn)行預(yù)測，分析預(yù)測結(jié)果并得出結(jié)論。
　　(5)建立基于強(qiáng)相關(guān)邏輯貝葉斯網(wǎng)絡(luò)的產(chǎn)業(yè)集群衰退模型。分析產(chǎn)業(yè)集群衰退問題的研究現(xiàn)狀，進(jìn)行了產(chǎn)業(yè)集群衰退預(yù)測建模的實(shí)證研究，構(gòu)建產(chǎn)業(yè)集群衰退風(fēng)險因素的知識庫，用基于SRL-BNs的結(jié)構(gòu)學(xué)習(xí)方法進(jìn)行結(jié)構(gòu)建模，采集真實(shí)的數(shù)據(jù)作為樣本訓(xùn)練模型參數(shù)，并預(yù)測衰退的概率，分析預(yù)測結(jié)果。
　　本文的主旨是針對具體問題域的特點(diǎn)，將貝葉斯網(wǎng)絡(luò)學(xué)習(xí)的過程模仿人類認(rèn)知過程進(jìn)行