基于動態(tài)模糊邏輯的貝葉斯參數(shù)學(xué)習(xí)算法研究.pdf

1、貝葉斯網(wǎng)絡(luò)是繼模糊邏輯、可信度方法和神經(jīng)網(wǎng)絡(luò)等方法之后提出的不確定知識表示模型，是研究不確定性問題的重要方法之一。目前，貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)采用的方法主要是精確計算和近似方法求解。精確計算導(dǎo)致數(shù)據(jù)過度擬合，近似方法的復(fù)雜性使求解過程成為NP難度問題。
　　 本文將動態(tài)模糊邏輯引入貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)中，在避免過度擬合和降低學(xué)習(xí)過程復(fù)雜度方面取得一定的效果。具體工作如下。
　　 (1)分析研究目前貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)中存在的問題

2、，充分了解統(tǒng)計學(xué)中的參數(shù)學(xué)習(xí)方法，深入認(rèn)識點估計和區(qū)間估計的利弊及其相關(guān)原因。
　　 (2)介紹動態(tài)模糊集相關(guān)理論，用動態(tài)模糊集表示貝葉斯網(wǎng)絡(luò)中相關(guān)結(jié)點的信息含義，即基于動態(tài)模糊集的貝葉斯網(wǎng)絡(luò)知識表示。客觀、真實地表達(dá)了現(xiàn)實世界中蘊含在動態(tài)模糊數(shù)據(jù)中的相關(guān)信息。
　　 (3)基于動態(tài)模糊邏輯的參數(shù)推理過程，分析了單證據(jù)和多證據(jù)下的參數(shù)推理過程、規(guī)則前件的匹配、后件的隸屬度更新等問題。利用貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)特點，通過符合人的

3、認(rèn)知過程的方法來推理現(xiàn)實世界的因果關(guān)系，并結(jié)合實例分析推理過程的可行性。
　　 (4)給出了基于動態(tài)模糊邏輯的貝葉斯參數(shù)學(xué)習(xí)算法，介紹動態(tài)模糊性證據(jù)下貝葉斯參數(shù)學(xué)習(xí)的置信度更新。通過置信度更新實現(xiàn)在給定動態(tài)模糊性證據(jù)下的后驗概率查詢，完成本體動態(tài)模糊性推理問題與貝葉斯推理問題的轉(zhuǎn)化。并通過實例驗證了該算法的可行性。
　　 (5)將動態(tài)模糊理論運用到學(xué)生學(xué)習(xí)能力及學(xué)習(xí)狀況的預(yù)測推理中，并通過實驗結(jié)果分析該方法的可行性。