| 【中文题名】 | Bayesian网推理算法及基于Bayesian网的农业专家系统开发工具组件 |
| 【英文题名】 | Inference Algorithms for Bayesian Networks and a Tool for Developing Agricultural Expert System Based on Bayesian Networks |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2004-9-8 |
| 【中关键词】 | Bayesian网,结构化简,农业专家系统,,, |
| 【英关键词】 | Bayesian networks,Simplify structures,Agricultural expert systems., |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>> |
| 【论文摘要】 | 不确定信息处理是人工智能领域一个重要研究方向，从专家系统角度来看，大致有基于规则和基于模型两种不确定性信息处理方式。Bayesian网研究兴起于20世纪80年代，20世纪90年代以来它的研究与应用得到了越来越多的关注。Bayesian网是一种基于模型的不确定性信息处理方法，相对于早期基于规则的方法而言，它的语义更为明确，推理结论多数情况下更为合理，缺点是计算复杂性高。
一般Baysian网上的推理是NP难问题，为使得Bayesian网尽可能地解决实际问题，到目前为止，已发展出的Bayesian网推理算法有数十种之多，总体上可分为精确推理和近似推理两类。Belief-Net-Ask算法、消息传播算法和变量消去算法是出现比较早的三种算法，是其它各种推理算法的基础。Belief-Net-Ask算法可以在单连通图上计算单个查询变量的后验概率分布，消息传播算法可以在单连通图上计算多个查询变量的后验概率分布，变量消去算法可以在多连通图上计算单个查询变量的后验概率分布。这三种算法各有其特点，因而也具有极强的代表性。本文在介绍Bayesian网基本概念的基础上，用清晰的数学表示方式描述这三种Bayesian网精确推理算法... |
| 【论文题纲】 |
|
第一章 前言 |
6-10 |
|
1.1 Bayesian网推理研究历史背景 |
6 |
|
1.2 Bayesian网的应用现状 |
6-7 |
|
1.2.1 基于Bayesian网的专家系统: |
6-7 |
|
1.2.2 Bayesian网开发工具软件 |
7 |
|
1.3 相关理论研究发展 |
7-8 |
|
1.4 农业专家系统现状 |
8-9 |
|
1.5 本文目的及工作 |
9-10 |
|
第二章 Bayesian网 |
10-13 |
|
2.1 简述 |
10 |
|
2.2 基本概念 |
10-11 |
|
2.3 Bayesian网语义 |
11-13 |
|
第三章 Bayesian网推理算法 |
13-25 |
|
3.1 Bayeisan推理基础 |
13-15 |
|
3.1.1 推理任务 |
13 |
|
3.1.2 推理模式 |
13 |
|
3.1.3 相关公式、定义、定理 |
13-15 |
|
3.2 推理算法 |
15-23 |
|
3.2.1 Belief-Net-Ask算法 |
16-17 |
|
3.2.2 消息传播算法 |
17-21 |
|
3.2.3 变量消去算法 |
21-23 |
|
3.3 计算复杂性分析 |
23-25 |
|
3.3.1 推理的NP难解性 |
23-24 |
|
3.3.2 算法复杂性分析 |
24-25 |
|
第四章 推理化简方法 |
25-37 |
|
4.1 分离操作 |
25-26 |
|
4.2 替换操作 |
26-28 |
|
4.3 遍历操作 |
28-32 |
|
4.4 三种化简方法关系 |
32-33 |
|
4.5 实验测试 |
33-37 |
|
第五章 基于Bayesian网的农业专家系统开发工具 |
37-48 |
|
5.1 开发简介 |
37 |
|
5.2 需求分析 |
37-39 |
|
5.3 结构设计 |
39-44 |
|
5.4 运行实例 |
44-46 |
|
5.5 辅助测试工具 |
46-47 |
|
5.6 小结 |
47-48 |
|
第六章 结束语 |
48-49 |
|
参考文献 |
49-51 |
|
作者在读期间发表的论文 |
51-52 |
|
致谢 |
52-53 |
|
摘要 |
53-55 |
|
Abstract |
55-56 |
|
| 【DOI】 | LunWen.ID:2.2008.387074 |
