定性影响图及其决策算法改进研究

影响图这项图形决策技术是解决现实决策问题的有效手段之一。但是,需要获取大量概率和效用值成为了其应用的主要障碍。当事物的依赖关系或者相关参数值无法精确描述时,如何利用非精确的信息进行推理已成为提高影响图决策效率的关键问题。为了在一定程度上克服这种障碍,定性贝叶斯网络及其相关算法被提出并得到发展。本文在分析定性影响图相关理论的基础上,对定性影响图决策推理算法进行了有效改进。

定性贝叶斯网络中归并计算的进一步探讨及应用

在定性贝叶斯网络符号传播算法的基础上,根据实际问题的需要提出了算法中归并运算的改进方法。改进中区分汇连形式各原因节点的逻辑关系,进而提出逻辑或关系在归并过程中应当采用8算子,逻辑与关系采用算子的结论,并通过案例验证了结论在一定范围内的正确性。

基于贝叶斯网研究自动作曲中音高的表示和推理

自动作曲或称算法作曲是利用计算机进行自动或半自动的音乐创作过程。算法作曲的关键之一是生成音高。然而,不确定性是音乐本身固有的特征。贝叶斯网是不确定性知识的表示和推理的典型工具,已经成功应用到很多领域。在MIDI格式的基础上,利用贝叶斯网在算法作曲中生成音高,首先建立一个关于音高的贝叶斯网模型并基于此模型建立知识库。其次,基于贝叶斯网对音高进行推理,生成给定节拍处的每一个音的音高。实验表明,所提出的音高推理方法是可行的。

基于缺失数据BN参数学习的电信流失客户预测算法

针对电信客户流失预测问题,在数据缺失情况下,基于贝叶斯网络(Bayesian network,BN),用最近邻算法填补缺失数据,并将两类定性约束融入贝叶斯网络参数学习过程,用以提高流失客户预测精度。仿真及实际数据分析结果表明,所提算法较经典的期望最大化(expectation maximization,EM)算法有明显优势,在牺牲代价较小的忠诚客户预测精度的情况下,得到了更高的流失客户预测精度。