概率图模型学习及其在数据分析中的应用研究

项目名称： 概率图模型学习及其在数据分析中的应用研究

项目编号： No.11401454

项目类型： 青年科学基金项目

立项/批准年度： 2014

项目学科： 数理科学和化学

项目作者： 朱明敏

作者单位： 西安电子科技大学

项目金额： 22万元

中文摘要： 概率图模型是复杂不确定系统建模的重要工具，它通过一个拓扑图结构和相应的概率分布来直观地表示多个变量间的条件独立关系和因果关系，从而将复杂的高维系统进行分解简化，已成功地应用于机器学习、生物信息学、金融分析与预测等多个领域．基于此，本项目拟研究如下内容：针对贝叶斯网络、链图等概率图模型的结构学习问题，给出几类图模型Markov等价的统计性质和图形刻画，以此设计出不破坏条件独立关系的分解准则；研究如何在不违背条件独立性的前提下，利用模型的Markov等价性和可分解性对复杂结构进行局部学习；针对小样本数据和多维数据分类问题，研究如何将图模型转化为相应的约束优化模型，利用智能优化算法进行分类器结构学习，并给出理论证明和仿真实验分析．本项目涉及概率统计、图论、智能优化理论等数学领域，问题的解决对应用概率统计和计算机科学的发展有着较大的促进作用．

中文关键词： 概率图模型；结构学习；数据分析；智能优化算法；

英文摘要： Probabilistic graphical models which are modeling tools of complicated uncertainty systems, can visually represent causal and complex conditional independent relationships among variables by the graph structure and the corresponding probability distributi

英文关键词： Probabilistic Graphical Model；Structural learning；Data Analysis；Intelligent Optimization algorithms；