概率網是人工智能學科表示并處理概率知識的一類圖模型方法。多源概率網融合是全面進行概率知識表示和推理研究中的重要問題。已有T作大多限于貝葉斯網、影響圖和可能性網等定量概率網的融合，較少考慮到概率知識只能定性表示或只需定性表示時的定性概率網（Qualitative ProbabilisticNetworks，QPNs）模型融合?；谏鲜鰡栴}，《多源定性概率網模型的融合算法研究》結合不完整數據，研究QPNs符號融合方法和i種情況下的QPNs結構融合方法。具體內容包括以下幾個方面。1.提出基于定性互信息的歧義性約簡方法。嚴格定義定性互信息，在此基礎上，提出可區(qū)分影響強度的增強QPN，并證明其性質，給出多項式時間的歧義性約簡方法。2.設計并實現基于定性互信息的QPNSF符號融合算法。將歧義性約簡方法擴展到多個結構相同的QPNs符號融合中，提出QPNSF融合算法，分析了算法的時間復雜性。3.設計并實現具有相同節(jié)點的sNQPNF結構融合算法?；诖植诩碚?，采用概率正域求解屬性依賴度作為定性影響的強度，解決融合時涉及的關鍵問題，提出SNQPNF融合算法，分析了算法的時問復雜性。4.設計并實現時序環(huán)境具有相同節(jié)點的TQPNF結構融合算法。定義時變QPN（TQPN），通過考慮其中的自身環(huán)等問題，提出基于粗糙集理淪的TQPNF融合算法，分析了算法的時間復雜性。5.設計并實現具有不同節(jié)點的DNQPNF結構融合算法。由SNQPNF算法融合思想，得出合并后的初始QPN，基于粗糙集理論，通過向其中添加缺失邊和刪除冗余邊，提出DNQPNF融合算法，分析了算法的時間復雜性。6.面向缺值數據，設計并實現了基于多源QPNs知識的定量參數建模算法，即貝葉斯網絡學習SEM.MQ算法。通過基于多源QPNs知識補全缺值數據，給出初始網絡的選取規(guī)則和候選網絡的優(yōu)化策略，提出SEM-MQ算法，許分析了該算法的時間復雜性和收斂性。
鄂公網安備 42010302001612號 