基于贝叶斯网络与bp网络的混合分类器研究

《基于贝叶斯网络与bp网络的混合分类器研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、专业代码Q签12Q圣口蚕财缠大字硕士学位论文姓名堡壅专业盐簋扭廛旦垫盔研究方向丛堡三堡鱼焦!鱼圣绫所属学院焦!垦篮堡堂瞳指导教师璺崮茎塑撞二。一四年三月六日UniversityCode巡ShanxiofFinance&EconomicsThesisforMaster，SDegreeTitleNetworkName壁￡塾至垒坠gMajor￡Q堡乜望!星!△卫乜!i￡翌!iQ望!垒￡塾坠Q!Q型ResearchOrientation．SoftwareEngineering&InformationSystem———．Sch001．．．．．TheCollegeofInformationMa

2、nagement．．Tutor．．．．．．．．．．．．．——．．．．．．——MaShangCai。。。。。’。。。。。。。。。。。‘ooooooooooooooooo一一lira———————____________o______________●一March6th，2014口每财缠大孑学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究所做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位

3、论文作者签名：彳至步日期：力烨年6月学位论文版权使用授权书本学位论文作者完全了解学校有关保管、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权山西财经大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于保密口，不保密囹。在年解密后适用本授权书。(请在以上方框内打“√”)学位论文作者签名：伍方指导教师签名：弓溺才只期：易{4年6月衣归曰期：沙f牛年7月≯只山西财经大学硕士学位论文摘要随着大数据时代的来临，对海量数据进行分类的需求日益增加，各种分类

4、算法被应用在不同领域。然而，面对信息时代数据的急剧增长，单一的分类算法通常存在弊端，不能很好地满足需求。大量实验证明不同算法构造的混合分类器能够有效的利用算法之间的差异优势，从而表现出更好的分类性能。目前，在人工神经网络领域中，BP神经网络是最为通用、发展最为迅速的。然而，BP神经网络分类器存在易陷入局部极小值、收敛速度慢等缺陷，为了改善该算法的性能，针对收敛速度慢这一缺陷对BP算法进行优化。提出将条件对数似然准则(CLL)融入到监督性BP神经网络分类过程中，利用CLL的优势，计算测试样本的条件概率，在误差反向传播时利用条件概率对权值进行相应的加权降权操作，简化误差反馈过程中的计算

5、量。据此改进算法并进行实验，对改进算法的收敛速度和准确率进行了测试，说明了该算法的有效性及实用性，但是当属性数目达不到一定规模时，BP神经网络构造的分类器仍然存在易陷入局部最优的问题。然而，贝叶斯网络分类器在结构学习过程中使用条件独立性测试，能够构造与数据拟合度高的网络结构，可以有效避免网络陷入局部极小值，在一定条件限制下获得全局最优。贝叶斯网络学习已被证实为NP难问题，但是当结构较简单时，贝叶斯网络分类器仍然具有其明显优势。针对改进的BP神经网络算法和基于条件独立性测试的贝叶斯网络算法的差异互补优势，将两者进行混合应用，利用优胜劣汰的思想，在分类应用时根据数据集的特点，总是选取与

6、数据集适应度较高的分类器作为最终分类器，实验采集了收敛速度和准确率两个指标数据进行验证，证明了所构造的混合分类器能够获得良好的分类性能。关键词：BP神经网络，贝叶斯网络，条件对数似然，条件独立性测试，混合分类器基于贝叶斯网络与BP网络的混合分类器研究2山西财经大学硕士学位论文ABSTRACTWiththecomingoftheeraofbigdata,thedemandonclassificationformassivedataisincreasing，andvariousclassificationalgorithmshavebeenappliedindifferentfield

7、s．However,Inthefaceofrapidgrowthofthedataininformationage，singleclassificationalgorithmusuallyhasdrawbacks，whichunabletomeetthedifferentdemands．Experimentalresultshavedemonstratedthatthehybridclassifier,whichisconstructedbydifferentalgo