导读:本文包含了概率图模型论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:概率,模型,条件,斯图,舆情,孔隙,近邻。
概率图模型论文文献综述
张玉倩,高方远,王楠楠[1]（2019）在《基于深度概率图模型的鲁棒人脸画像合成》一文中研究指出针对基于数据驱动的人脸画像合成算法像素特征缺乏对光照变化和复杂背景的鲁棒性,常合成低质量的画像的问题,文中提出基于深度概率图模型的鲁棒人脸画像合成算法.采用预处理方法调整测试照片的光照亮度和人脸姿态,使之与训练照片一致.采用深度特征代替像素特征进行近邻匹配,采用深度概率图模型对画像重建权重和深度特征权重联合建模,得到合成画像的最佳重构表示.为了提高画像合成速度,提出快速近邻搜索方法.实验验证文中算法的鲁棒性和快速性.(本文来源于《模式识别与人工智能》期刊2019年09期）
张紫婷,王慧,张丽霞,刘利民[2]（2019）在《基于增量概率图模型的舆情演化分析方法》一文中研究指出社交网络中数据更新快,对舆情的发展变化无法作出及时跟踪,以及传统话题模型因人工设置话题数的盲目性,而无法准确的对舆情演化趋势做出判断.针对这一问题,本文提出了一种增量概率图模型的舆情演化分析方法.该方法基于LDA模型,引入增量学习机制,根据每条舆情话题相关文档间基于相似度的关联度,动态确定下一时间片的舆情话题数,从而通过复用历史舆情信息的后验概率来预测下一时刻舆情变化情况,形成时间纬度上的舆情演化情况分析方法.实验结果表明,本方法可以更加精准地确定模型的舆情话题数,并能够更为准确,高效地分析舆情演化的过程.(本文来源于《内蒙古工业大学学报(自然科学版)》期刊2019年03期）
蒋晗中[3]（2019）在《基于概率图模型的水下定位技术研究》一文中研究指出水下目标定位的关键在于找出目标所在位置。本文采用基于概率图的目标解算方法来进行定位解算,得到了对于单目标以及多目标定位场景下的概率图模型,并最终通过仿真求得了目标二维坐标的边缘概率表,验证了该方法的可行性,评估了该方法的定位误差,充分利用实验测量得到的每一组数据,定位精度较高。本文研究了概率图模型的基本原理,并设计出了一种基于概率图模型的水下目标定位方法,在研究过程中使用了MATLAB软件进行仿真,对该定位方法进行了验证及误差分析和定位精度评估,和传统的最小二乘法相比,在测距误差为0.5m到1m的情况下具有更高的定位精度,精度可达0.4 m。(本文来源于《中国声学学会水声学分会2019年学术会议论文集》期刊2019-05-25）
何鑫[4]（2019）在《基于概率图模型的储层预测方法研究》一文中研究指出油气储层预测技术是综合应用地震、地质、钻井、测井等各项资料对地下油气储层的分布、厚度、岩性和物理性质进行预测的一项技术。储层预测的主要工作内容大体分为储层岩性预测、储层形态预测,储层物性预测和储层含油气性综合分析,孔隙度作为反映储层油气储量的重要指标,是储层物性预测的一项重要研究内容。目前孔隙度体预测采用地震反演得到的阻抗、密度等信息和测井得到的孔隙度信息进行回归,然后将该关系应用于整个体数据。但是目前该方法在实际应用过程中存在诸多问题,主要体现在:(1)不同储层岩相孔隙度与弹性参数的关系不一样,如果将所有岩性的弹性参数与孔隙度整体建立关联关系可能导致结果存在较大误差;(2)测井数据较少可能导致回归关系泛化能力偏弱,使得结果不理想;(3)从地震数据中获得的弹性参数可能存在误差,导致预测结果误差。为解决以上问题,本论文基于概率图模型中的条件随机场理论,构建了岩相和孔隙度同步预测网络,并在此基础上开展了以下研究工作:(1)通过阻抗与孔隙度的标签对,建立条件随机场和梯度提升树融合的孔隙度-岩相同步预测网络。通过条件随机场实现了孔隙度和阻抗共同控制下的岩相迭代更新,在岩相控制下采用梯度生成树解决了井数据样本标签较少情况下的回归问题,该融合网络实现了在相对少样本条件下的岩相和孔隙度的同步预测问题。(2)构建了直接通过波形数据进行孔隙度和岩相同步预测的网络。考虑到阻抗数据可能存在误差,本文将阻抗替换为地震波形导入前述条件随机场梯度生成树融合网络模型进行孔隙度和岩相预测。由于地震波形数据的多维度特征,本文提取地震波形纹理特征并利用梯度生成树进行特征重构,构建了新的特征分类方法,将分类结果作为初始模型输入,有效改善了孔隙度岩相同步预测网络的精度。(3)提出了基于地震波形特征的条件随机场孔隙度岩相同步预测方法,将地震波形特征进行降维,并将降维后特征与孔隙度建立标签,将该标签引入梯度生成树条件随机场网络,实现地震相和孔隙度的同步预测。实验分析结果表明,采用地震波形进行孔隙度和岩相预测可以有效避免阻抗数据计算所引入的误差,改善预测效果。通过本论文的研究,拟探索出一套可行的通过人工智能方法进行储层岩相和储层物性参数预测的技术方案,为推动人工智能技术与储层预测结合提供借鉴。(本文来源于《电子科技大学》期刊2019-05-23）
何林海[5]（2019）在《基于贝叶斯网络的概率图模型变分近似推理研究》一文中研究指出概率图模型利用了概率论和图论的关键内容,为解决多变量关系中所存在的依赖性与复杂性提供了完整的解决路径。在语言处理、计算机视觉、计算生物学等众多领域得到广泛应用。本文以贝叶斯网络作为核心研究方向,就概率图模型变分近似推理的全局性、收敛性、单调性等诸多特征进行辩证分析。最终论述了基于贝叶斯网络的概率图模型变分近似推理算法的应用范畴和优势,以便为相关研究提供理论参考。(本文来源于《山东农业工程学院学报》期刊2019年04期）
周步祥,袁岳,张致强,黄河[6]（2019）在《综合概率图模型和改进Apriori算法的变压器状态参数关联规则挖掘》一文中研究指出针对目前变压器状态准确性和时效性不高的问题,提出了一种结合概率图模型和改进Apriori算法的关联规则挖掘方法,用于挖掘变压器状态参数的关联规则,以清晰表示数据之间的关联程度,减小计算量,提高关联规则挖掘效率。利用该方法分析四川某地500kV变压器的实测参数,挖掘状态参数之间的关联规则,并用挖掘出来的关联规则修正单个状态参数预测结果。结果表明,将关联规则应用于状态参数预测可提高预测精度,时效性和可行性较优,为变压器状态评估提供了一种新方法。(本文来源于《水电能源科学》期刊2019年03期）
刘丽丹[7]（2019）在《基于概率图模型的天气预测研究》一文中研究指出天气预测关系国计民生,从传统预报到数值预报,随着科技进步特别是计算能力的提升,预测准确率已大幅提高,但仍受限于对大气变化规律的认知程度。由数据驱动的天气预测方法层出不穷,以期帮助人们发现更多天气规律,提高预测准确率。机器学习方法一直是备受各个领域青睐的建模方法,气象领域也不例外。为解决非平稳时间序列的天气预测中的多重共线性问题,探索空间相关关系,文中应用图信号方法,以条件高斯图模型,学习出华东地区21个测站之间可解释的降水量空间相关关系和气温相关性,在此基础上用联合条件高斯图模型,联合预测各站未来24小时的降水量和平均气温,与其他未考虑空间相关性和输出变量相关性的预测模型相比,预测准确率有所提升。因为所用数据为易获取的国际交换站地面观测数据,模型简单而高效,经准确率验证,该方法可在天气预报业务中推广应用。(本文来源于《计算机技术与发展》期刊2019年07期）
孙劲光,严华[8]（2018）在《基于概率图模型的表情分类方法研究》一文中研究指出针对在小规模样本集上如何提高学习算法的准确率问题,提出了基于概率图模型的表情分类算法.本文提出了一种表情区域分割方法,将人脸表情图像划分为5个面部区域,通过概率图模型的分类方法理论基础,由5个表情分类子网络和Softmax分类层构成基于概率图模型的表情分类模型,实现对人脸表情图像的分类.通过在JAFFE人脸表情库和CK表情数据库上实验分析,得到识别准确率分别为97.78%和98.95%,分别提高了1.85%和5.92%准确率.实验结果表明:本文方法对表情分类识别率的提高有重要意义,并且本文方法有效提高了对于小样本图像的分析与理解能力.(本文来源于《辽宁工程技术大学学报(自然科学版)》期刊2018年06期）
王静云[9]（2018）在《几类概率图模型结构学习算法研究》一文中研究指出概率图模型将图论和概率论有机结合,广泛用于不确定性知识的建模和推理.贝叶斯网络是概率图模型中理论完善且应用较广的一类子模型.链图作为贝叶斯网络的推广模型,包含贝叶斯网络但又不仅限于该网络,具有较强的表示能力.由于问题的表达和推理是建立在网络拓扑结构的基础之上,因此从数据中学习网络结构是概率图模型研究的一个重要分支.本文针对贝叶斯网络和链图模型的结构学习问题,分别提出基于得分和基于约束的网络结构学习算法.主要内容如下:首先,针对贝叶斯网络结构学习问题,提出了基于粒子群优化的结构学习算法,该算法旨在通过建立搜索策略,最大化候选网络结构的得分.我们给出了粒子速度和位置的离散形式,结合贝叶斯网络结构特点,在不改变经典粒子群优化算法寻优机制的基础上,设计了粒子速度和位置的新的更新策略.为了提高算法性能,在粒子更新过程中采用邻域搜索机制.基准网络上的测试结果验证了算法的可行性和有效性.对比实验结果表明所提出算法在网络得分和时间方面具有一定优势.其次,为了进一步研究基于得分的贝叶斯网络结构学习方法,将最新提出的元启发式算法水循环算法用于解决贝叶斯网络结构学习问题,设计了新的基于二进制编码的水循环算法,给出了有效的搜索策略.在该算法中,海洋、河流和小溪分别表示相应的候选网络结构,采用逻辑运算更新个体.与此同时,为了平衡算法的开发和探索能力,个体更新除了依赖群体中的最优和次优个体以外还随机地向其他个体学习.基于变异操作设计了离散形式的蒸发策略.除此之外,文中给出了算法的收敛性分析.基准网络上的实验结果表明算法能够识别最优或者近似最优的网络结构.与其它算法相比较,该算法在收敛精度和收敛速度方面都有较好的性能.二进制编码水循环算法的提出,一方面为贝叶斯网络结构学习提供了一种新的启发式算法,另一方面扩展了水循环算法在离散优化问题中的应用.最后,针对链图结构学习问题,提出了基于约束的结构学习方法.该算法利用节点的局部邻域信息,将结构学习问题转化为节点的相邻节点集恢复问题,有效地减少了条件独立测试的测试,避免了高阶条件独立测试.为了控制错误边的发现率,边的存在性判断可以看作是多重假设检验的过程,在统计检验时采用错误发现率控制策略.确定骨架之后,给出了基于条件独立测试的复合体有向边恢复算法.实验结果表明,该算法能够将恢复骨架中边的错误发现率控制在预先给定的水平下,为学习链图结构提供了一种可选择的方案.(本文来源于《西安电子科技大学》期刊2018-09-01）
高丹,彭敦陆[10]（2018）在《DF-MAP:一种基于概率图模型的案件判决路径挖掘算法》一文中研究指出通过获取案件的判决路径,法院判决系统可以轻松地对案件进行判决.然而,随着司法资源的迅猛增加以及案情特征的多样性,为快速获取案件判决路径提出了挑战.论文利用Rete算法在分析已有法律法规中可能存在的规则集合基础上,根据案件判决路径的有向性,提出了结合案情描述关键字和适用法律规则的概率图模型—Rete-PGM.根据Rete-PGM特征,利用有向图理论及最大后验概率查询算法,提出了适合于Rete-PGM特征的最有可能的路径挖掘算法—DF-MAP(Deep First Max A Posterior),并用实验验证了该算法的性能.通过将所提算法运用于真实的法律文书数据集,实现了真实案件的判决路径挖掘.该模型的提出以及案件判决路径的发现,为创建高效的法院判决系统提供了保障.(本文来源于《小型微型计算机系统》期刊2018年08期）
概率图模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
社交网络中数据更新快,对舆情的发展变化无法作出及时跟踪,以及传统话题模型因人工设置话题数的盲目性,而无法准确的对舆情演化趋势做出判断.针对这一问题,本文提出了一种增量概率图模型的舆情演化分析方法.该方法基于LDA模型,引入增量学习机制,根据每条舆情话题相关文档间基于相似度的关联度,动态确定下一时间片的舆情话题数,从而通过复用历史舆情信息的后验概率来预测下一时刻舆情变化情况,形成时间纬度上的舆情演化情况分析方法.实验结果表明,本方法可以更加精准地确定模型的舆情话题数,并能够更为准确,高效地分析舆情演化的过程.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
概率图模型论文参考文献
[1].张玉倩,高方远,王楠楠.基于深度概率图模型的鲁棒人脸画像合成[J].模式识别与人工智能.2019
[2].张紫婷,王慧,张丽霞,刘利民.基于增量概率图模型的舆情演化分析方法[J].内蒙古工业大学学报(自然科学版).2019
[3].蒋晗中.基于概率图模型的水下定位技术研究[C].中国声学学会水声学分会2019年学术会议论文集.2019
[4].何鑫.基于概率图模型的储层预测方法研究[D].电子科技大学.2019
[5].何林海.基于贝叶斯网络的概率图模型变分近似推理研究[J].山东农业工程学院学报.2019
[6].周步祥,袁岳,张致强,黄河.综合概率图模型和改进Apriori算法的变压器状态参数关联规则挖掘[J].水电能源科学.2019
[7].刘丽丹.基于概率图模型的天气预测研究[J].计算机技术与发展.2019
[8].孙劲光,严华.基于概率图模型的表情分类方法研究[J].辽宁工程技术大学学报(自然科学版).2018
[9].王静云.几类概率图模型结构学习算法研究[D].西安电子科技大学.2018
[10].高丹,彭敦陆.DF-MAP:一种基于概率图模型的案件判决路径挖掘算法[J].小型微型计算机系统.2018