贝叶斯算法PPT.pptVIP

* 贝叶斯网络的研究现状 20世纪80年代，随着人工智能的发展，尤其是机器学习、数据挖掘等兴起，为贝叶斯理论的发展和应用提供了更为广阔的空间。Pearl等于1988年提出贝叶斯网络，并将贝叶斯网络成功地应用于专家系统，成为不确定专家知识和推理的流行方法，90年代进一步研究可学习的贝叶斯网络，用于数据采掘和机器学习，近年来，贝叶斯学习理论方面的文章更是层出不穷，内容涵盖了人工智能的大部分领域，包括因果推理、不确定性知识表达、模式识别和聚类分析等。并且出现了专门研究贝叶斯理论的组织和学术刊物ISBA。随着人工智能的发展，贝叶斯理论的内涵也比以前有了很大的变化。 目前，贝叶斯网络研究领域主要集中在以下四个方面：贝叶斯网络的学习、利用贝叶斯网络进行推理，计算和基于贝叶斯网络的应用。 2.2贝叶斯网络的学习 1. 结构学习：发现变量之间的图关系 2 .参数学习：决定变量之间互相关联的量化关系 贝叶斯网络结构学习 结构学习是利用训练样本集，尽可能结合先验知识，确定和样本数据集合D匹配最好的的贝叶斯网络拓扑结构；对于含有n个变量的数据集进行网络结构学习，可能的结构数目为： 因此贝叶斯网络结构的学习是一个NP难问题。 在计算机学科中，存在多项式时间的算法的一类问题，称之为P类问题；而像梵塔问题、推销员旅行问题、（命题表达式）可满足问题这类，至今没有找到多项式时间算法解的一类问题，称之为NP类