《機率圖模型學習及其在數據分析中的套用研究》是依託西安電子科技大學，由朱明敏擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：機率圖模型學習及其在數據分析中的套用研究
- 項目類別：青年科學基金項目
- 項目負責人：朱明敏
- 依託單位：西安電子科技大學
項目摘要,結題摘要,
項目摘要
機率圖模型是複雜不確定系統建模的重要工具，它通過一個拓撲圖結構和相應的機率分布來直觀地表示多個變數間的條件獨立關係和因果關係，從而將複雜的高維系統進行分解簡化，已成功地套用於機器學習、生物信息學、金融分析與預測等多個領域．基於此，本項目擬研究如下內容：針對貝葉斯網路、鏈圖等機率圖模型的結構學習問題，給出幾類圖模型Markov等價的統計性質和圖形刻畫，以此設計出不破壞條件獨立關係的分解準則；研究如何在不違背條件獨立性的前提下，利用模型的Markov等價性和可分解性對複雜結構進行局部學習；針對小樣本數據和多維數據分類問題，研究如何將圖模型轉化為相應的約束最佳化模型，利用智慧型最佳化算法進行分類器結構學習，並給出理論證明和仿真實驗分析．本項目涉及機率統計、圖論、智慧型最佳化理論等數學領域，問題的解決對套用機率統計和計算機科學的發展有著較大的促進作用．
結題摘要
機率圖模型是複雜不確定系統建模的重要工具，它通過一個拓撲圖結構和相應的機率分布來直觀地表示多個變數間的條件獨立關係和因果關係，從而將複雜的高維系統進行分解簡化，已成功地套用於機器學習、生物信息學、金融分析與預測等多個領域．本項目針對貝葉斯網路、鏈圖等機率圖模型的結構學習問題，給出幾類圖模型Markov等價的統計性質和圖形刻畫，以此設計出不破壞條件獨立關係的分解準則；研究了在不違背條件獨立性的前提下，利用模型的Markov等價性和可分解性對複雜結構進行局部學習；針對小樣本數據和多維數據分類問題，研究了在不違背條件獨立性的前提下，利用智慧型最佳化算法進行分類器結構學習，並給出了理論證明和仿真實驗分析．項目涉及機率統計、圖論、智慧型最佳化理論等數學領域，問題的解決對套用機率統計和計算機科學的發展有著較大的促進作用．基於以上研究，撰寫論文10餘篇，其中7篇論文發表在國際重要期刊上，均被SCI檢索．
