多源定性概率网模型的融合算法研究

　　概率网是人工智能学科表示并处理概率知识的一类图模型方法。多源概率网融合是全面进行概率知识表示和推理研究中的重要问题。已有T作大多限于贝叶斯网、影响图和可能性网等定量概率网的融合，较少考虑到概率知识只能定性表示或只需定性表示时的定性概率网（Qualitative ProbabilisticNetworks，QPNs）模型融合。基于上述问题，《多源定性概率网模型的融合算法研究》结合不完整数据，研究QPNs符号融合方法和i种情况下的QPNs结构融合方法。具体内容包括以下几个方面。1.提出基于定性互信息的歧义性约简方法。严格定义定性互信息，在此基础上，提出可区分影响强度的增强QPN，并证明其性质，给出多项式时间的歧义性约简方法。2.设计并实现基于定性互信息的QPNSF符号融合算法。将歧义性约简方法扩展到多个结构相同的QPNs符号融合中，提出QPNSF融合算法，分析了算法的时间复杂性。3.设计并实现具有相同节点的sNQPNF结构融合算法。基于粗糙集理论，采用概率正域求解属性依赖度作为定性影响的强度，解决融合时涉及的关键问题，提出SNQPNF融合算法，分析了算法的时问复杂性。4.设计并实现时序环境具有相同节点的TQPNF结构融合算法。定义时变QPN（TQPN），通过考虑其中的自身环等问题，提出基于粗糙集理沦的TQPNF融合算法，分析了算法的时间复杂性。5.设计并实现具有不同节点的DNQPNF结构融合算法。由SNQPNF算法融合思想，得出合并后的初始QPN，基于粗糙集理论，通过向其中添加缺失边和删除冗余边，提出DNQPNF融合算法，分析了算法的时间复杂性。6.面向缺值数据，设计并实现了基于多源QPNs知识的定量参数建模算法，即贝叶斯网络学习SEM.MQ算法。通过基于多源QPNs知识补全缺值数据，给出初始网络的选取规则和候选网络的优化策略，提出SEM-MQ算法，许分析了该算法的时间复杂性和收敛性。

　　吕亚丽，女，博士，山西财经大学信息管理学院副教授，硕士生导师，第八届山西省很好科技工作者。2013年1月毕业于天津大学计算机应用技术专业，获工学博士学位。

章 绪论
1．1 研究背景
1．2 研究内容
1．3 本书结构
第2章 文献综述
2．1 0PN模型
2．1．1 基本概念
2．1．2 构造方法及问题
2．2 QPN定性推理
2．2．1 符号传播算法
2．2．2 约简歧义性的推理方法
2．3 定量概率网融合
2．4 存在的问题
2．5 本书工作思路
第3章 基于定性互信息的多源QPNs符号融合算法
3．1 定性互信息
3．2 歧义性约简
3．2．1 增强QPN
3．2．2 性质分析
3．2．3 约简算法
3．3 符号融合算法QPNSF
3．4 实验
3．4．1 歧义性约简算法实验
3．4．2 QPNSF融合算法实验
3．5 小结
第4章 基于粗糙集的多源QPNs结构融合算法
4．1 粗糙集理论基础
4．2 相同节点的结构融合
4．2．1 歧义性约简
4．2．2 环路消除
4．2．3 融合算法SNQPNF
4．3 时序环境相同节点的结构融合
4．3．1 时变QPN
4．3．2 时变QPN学习算法LQPN
4．3．3 多时变QPNs融合算法TQPNF
4．4 不同节点的结构融合
4．4．1 基本思想
4．4．2 融合算法DNQPNF
4．5 实验
4．5．1 SNQPNF融合算法实验
4．5．2 TOPNF融合算法实验
4．5．3 DNQPNF融合算法实验
4．6 小结
第5章 多源QPNs知识在定量BN建模中的应用
5．1 BN建模问题捕述
5．2 BN模型及其评价准则
5．3 面向缺值数据的SEM学习算法
5．4 基于OPNs的BN模型构建算法
5．4．1 基于QPNs知识的BN参数修正
5．4．2 基于QPNs定性知识的搜索算子
5．4．3 初始网络的选择规则及其优化策略
5．4．4 SEM-MQ算法
5．4．5 时间复杂性和收敛性
5．5 实验
5．5．1 实验环境与数据集
5．5．2 评估指标
5．5．3 SEM-MQ与其他结构学习算法的实验结果对比与分析
5．5．4 样本量m与缺值比例r对SEM-MQ实验结果的影响
5．6 小结
第6章 结语
缩略语
插图索引
表格索引
附录A部分实验代码
附录B部分最小样本实验数据
参考文献
后记