贝叶斯网络引诱的内积空间与核函数.pdfVIP

摘要 摘要 贝叶斯网络是用来表示变量间概率关系的图形模型，它提供了一种自然的表示 因果信息的方法，用来发现数据间的潜在关系．以其独特的不确定性知识表达形 式、丰富的概率表达能力、综合先验知识的学习特性已成为机器学习、人工智能、 统计推理等应用学科的研究热点．通过核函数将线性不可分的数据映射到线性可 分的高维特征空间是数据分类的重要方法．本文试图将二者结合，优势互补，为 基于贝叶斯网络的数据分类、概念学习等做出贡献． 本文首先给出了在允许一定误差时，近似保持空间的线性可分性和一定的 Margin值的条件下，将数据集映射到维数低一些的特征空间的可能性和一些限制 的条件．为讨论贝叶斯网络诱导的内积空间维数的上界提供了理论支持． 其次，结合贝叶斯网络与核方法的优点，本文针对具有两类分类任务的贝叶斯 网络，讨论了变量在布尔域上取值时，某些无约束贝叶斯网络诱导的内积空间， 给出了该内积空间的维数和VC维数；通过概率分布的等价性，重点讨论了每个变 量取四个值时，某些无约束贝叶斯网络诱导的内积空间，并给出了该内积空间的 维数． 关键词：贝叶斯网络核函数 内积空间 VC维