1、該文就Bayes網(wǎng)絡模型進行了一些研究,主要工作概括如下:1.該文研究了對弧進行刪除的Bayes網(wǎng)絡最優(yōu)近似問題.首先解決了在Bayes網(wǎng)絡中刪除一條弧之后的最優(yōu)近似網(wǎng)絡中的參數(shù)賦值問題,并研究了最優(yōu)近似網(wǎng)絡中某些結點子集的邊緣分布在近似以后所具有的不變性,給出了邊緣分布保持不變的最大結點子集.然后給出了刪除網(wǎng)絡中的多條弧之后的最優(yōu)近似網(wǎng)絡,以及刪除誤差的計算方法,并給出了在給定誤差限下,選擇網(wǎng)絡中的一組弧進行刪除的方案和算法.2.給出

2、了Bayes網(wǎng)絡學習的Markov鏈Monte Carlo(MCMC)方法.該文中將MCMC方法作為一種隨機搜索算法進行使用,尋找具有較大后驗概率的網(wǎng)絡模型.應用實例表明了此方法具有較好的性能.3.研究了兩種特殊結構的Bayes網(wǎng)絡模型,混合因子分析模型和獨立分量分析模型.給出了一種用于混合因子分析模型參數(shù)學習的兩階段學習算法.4.提出了一種新的基于混合高斯模型的獨立分量分析方法.通過使用混合高斯模型學習數(shù)據(jù)樣本的概率分布,首先給出了一