标题：基于贝叶斯网络数据挖掘算法的研究
      作者：刘伟娜
      时间：2006
      语言：中文
      摘要：随着数据库和计算机网络的广泛应用，加之使用先进的自动数据生成和采集工具
人们所拥有的数据量急剧增大，利用信息技术生产和搜集数据的能力也大幅度提高，
如何有效地利用和处理信息成为当今世界共同关心的热点课题。由于数据库技术、人
工智能和数理统计等技术的不断发展与融合，数据挖掘技术应运而生。数据挖掘是一
门新兴的交叉学科，也是现代科学技术相互渗透的必然结果，基本目标就是从大量的
数据中提取隐藏的、潜在的和有用的知识和信息。这一技术自20世纪末提出以来，
引起了许多专家学者的广泛关注，并应用到金融业、零售业、医疗保健和ZF决策等
各个领域，取得了良好的社会效益和经济效益，具有广阔的开发前景和应用前景。
贝叶斯网络是概率论与图论相结合的产物，提供了不确定性环境下的知识表示、
推理、学习手段，可以完成决策、渗断、预测、分类等任务，因其良好的可理解性和
逻辑性成为数据挖掘的重要方法。
本文致力于贝叶斯网络的理论和算法的研究，全文研究了如下几个问题：
1．贝叶斯网络和数据挖掘的结合。贝11{．斯网络起源于贝叶斯统计学，数据挖掘
本质上具有很强的统计色彩，促成了二者的结合。
2．贝叶斯网络的推理。通过在网络中进行推理，可以得到任意节点问的依赖关
系，从而确定数据库中节点所表示事件间的联系，同时对事件的发展进行预测。针对
不同的网络，可以采用不同的推理算法，以加快推理速度，提高计算效率。联合树算
法以其容易理解，适用范围广等特点成为17I前应用虽多的精确推理算法。
3．贝叶斯网络的学习。贝叶斯网络的学习是数据挖掘中非常重要的～个环节，
是将先验知识和模型评价融入训练数据，获得数据中隐藏的拓扑结构和参数的过程。
贝叶斯网络学习分为结构学习和参数学习，其中结构学习是贝叶斯网络学习核心内
容。主要对三阶段结构学习算法的原理、实现过程和计算复杂度进行讨论，并利用典
型数据库对算法进行验证。参数学习分为：完整数据和不完整数据学习两种，针对不
同情况可以采用不同的学习算法，从数据中学习网络的条件概率表。
关键词：贝叶斯法则；贝叶斯网络；先验知识；概率推理；联合树算法；三阶段算法