基于贝叶斯网络的大数据因果关系挖掘

《基于贝叶斯网络的大数据因果关系挖掘》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、三＇、广：－＇、：．Ｋ—．．－，＇．＇：．．社心辦這：公．ｒ＇ｒ；一．■－、．一贫；，—二＾’＇’１Ｉ＇‘、，；’．：＇—＇；－．－￣￣￣＇、＾＇＇：．’；＇ｒ：心、；户户。＇，二．一．入＞、分类号；．巧＾．巧级＇，！一．．—．．；‘．’，；、心、；．户’＇＇’．打护，．、。＾．苦；，挙巧代捉＾辕．Ｖ：ｒｖ；：ｙ．ＵＰＣＶＶ．、莲＇—．＇、．＇；．．’‘＇■＇－，．：寺’＇、＇－■＇，－＇．‘八父：二．蠢簿Ｖｖ请巧山公－＾＞－三．ｖ、：ｃ＇＇、■＇、’＇．￣托．，；．户．—，；；於媳ｒ巧總括．相＼

2、沁：、筑－＇．’，＇＂、ｕ獅義．、．睐臟匯圆對，，？－傅．’－心＇．＇‘之．識诚、帝，：：ｓ，＼＼－’＇＇、＇＇…．ｒ；＾，教背二爹；燕典批＼’；苗＇、’、＂．．‘：八．＇成義４技＂，減，化公＞作．．＾－．＂－，訊側％续妙—端＇…＇’＇＇＇＇■—＇，；、，、＇．。■‘＇＇．．、－，、．．：六林。＇Ｉ占：‘ｖ玄如巧勺．护沁Ｈ、＇游在．＇‘、．＇、．．…＾＾．＇’、－去占，．、、心身．公－．－：：接心１夺、－，．＇‘＇、．．、皆猜学米迎硕去研義生学後冷文，／—；；心．與部；’於？＇＇巧Ｖ＾’、＇‘．．；．、、

3、ｖ、＞，＃节：掉結＼＾心基于贝叶斯网络的大数据因果关系挖掘＼．－．．■？下－－．：．．．．＞．：％＾，：．町：；泰＇Ｉ＇’（部、蘇：化息学院堯，！＞．：翅Ｉ公学巧ｒ＇－．？、．■巧於■、－．‘＾护、；Ｉ、、专业：？．．…健齡通技龙．？．．１营扇，靖．爲每揉ｙ―．：、：嫂弊名，：．．—地．．．、，鞠巧祥帯類＇＾导孩师：—芯，：ｒ喷斬亩、－■＇－－＇＇＇’．＇＇＇＇ｌ．．＜．－＊．＇．．＇，、，＇＇、ｃ．．＇古二＼Ｖｉ：＇；－；；：苟＼穿沁１＼／Ｖ＼、、＂ｙ、—‘叩、、＼＇姑計娘麵社；

4、Ｋ襄纖讀—￣－—；：卷文起止时间：２０！５年６貞２０１６年３月辦ｆ一；疗ｉ余＞／爲讓路．；＇－．；Ｖ，：；，．强－咬．．、苗之泻窮於。１学位论文原创性声明，，独立声明：本人所呈交的学位论文是本人在导师的指导下进行研究工作所取得的成果。尽我所知，除文中己经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过的作品成果，。对本文的研究做出重要贡献的个人和集体均已在文中明确方式标明。本人完全意识到本声明的法律结果由本人承担。日期，论文作者签名：如１９辦：＞俾巧Ｍ日学位论文版权使用授权书本人完全了解云南财经大学有关保留

5、、使用学位论文的规定，艮Ｐ；学校有权保留并向国家有关部口或机构送交论文和论文电子版，允许学位论文被查阅或借阅；学校可［＾公布学位论文的全部或部分内容，可采用影印、缩印或其它复制手段保存、汇编、发表学位论文；授权学校将学位论文的全文或部分内容编入、提供有关数据库进行检索。（保密的学位论文在解密后遵循此规定）论文作者签名：导师签名：嗦《、．夢？？１日期＞？神哗＾咸日日期；＞／年月１日１）摘要2010年，全球的数据量跨入了ZB时代，根据IDC预测，至2020年全球将拥有超过35ZB的数据量，海量数据将直接或者间接的影响我们的日常工作、生

6、[1]活，乃至国家经济以及社会的发展。大数据时代已经到来。随着大数据的快速发展，以概率统计为基础的机器学习在近年来受到工业界和学术界的极大关注，并在互联网、金融、自然语言、生物等领域获得很多重要的应用，其中贝叶斯网[2]络在过去多年也得到了快速发展，并且成为非常重要的一类机器学习方法。贝叶斯网络是描述随机变量之间因果关系图的模型，是概率理论、因果推理与图形理论的结合，也是传统的基于数据的统计方法和强调知识的人工智能方法[3]的统一，其重要应用之一是随机变量之间的因果知识表示和推理。贝叶斯网络由结构和参数两部分构成，分别用于定性与定量描述变量之间的因果关系，它具有多功能性、

7、有效性和开放性等特征，能够有效的将数据转化成知识，然后利用这些转化后的知识进行推理，来解决现实世界中的不确定性方面的问题，其有效性已在金融风险分析、信息安全、DNA分析、软件智能化、医疗诊断、系统分析和控制等许多领域得到验证。目前，对于非时序的常规数据，通常采用贝叶斯网络来挖掘其中的因果关系；[4]而时序的常规的单时间序列一般采用格兰杰方法来挖掘其中特定的因果关系，但是这种方法存在诸多问题。随着大数据时代的来临，大数据技术为我们分析问题和解决问题提供了新的思路和方法。与常规数据集相比，在大数据环境下进行数据挖掘将得到更多更全面