概率图模型学习理论及其应用【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

概率图模型学习理论及其应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 概率图模型基础知识1

1.1 概述1

1.2 图论的相关基本概念1

1.3 概率论的相关基本概念4

1.3.1 随机变量与概率函数5

1.3.2 古典概率与主观概率5

1.3.3 联合概率分布5

1.3.4 边缘概率分布6

1.3.5 条件概率分布7

1.3.6 边缘独立与条件独立8

1.3.7 贝叶斯定理8

1.4 信息论的相关基本概念8

1.4.1 Jensen不等式8

1.4.2 熵8

1.4.3 联合熵、条件熵和互信息9

1.4.4 相对熵9

1.5 生成模型与判别模型10

第2章 概率图模型的基本原理12

2.1 概述12

2.2 有向概率图模型12

2.2.1 隐马尔可夫模型12

2.2.2 贝叶斯网络22

2.2.3 动态贝叶斯网络25

2.3 无向概率图模型27

2.3.1 马尔可夫随机场27

2.3.2 条件随机场29

2.4 概率图模型学习与推理29

2.4.1 模型的学习29

2.4.2 模型的推理30

2.4.3 计算复杂度分析32

第3章 完整数据集下有向概率图模型的学习33

3.1 概述33

3.2 结构学习33

3.2.1 基于评分－搜索的结构学习33

3.2.2 基于条件独立性测试的结构学习算法37

3.3 参数学习38

3.3.1 极大似然参数估计38

3.3.2 贝叶斯参数估计40

第4章 不完整数据集下的有向概率图模型的学习45

4.1 概述45

4.2 参数估计45

4.2.1 EM算法45

4.2.2 Gibbs抽样方法49

4.3 结构学习49

4.3.1 结构EM方法49

4.3.2 打分－搜索方法51

第5章 无向概率图模型学习52

5.1 概述52

5.2 马尔可夫随机场52

5.2.1 邻域系统和团52

5.2.2 HC定理53

5.2.3 Pairwise MRF模型54

5.2.4 MRFs的参数学习54

5.3 条件随机场55

5.3.1 问题分析57

5.3.2 模型训练中的动态规划58

5.3.3 参数估计的训练算法59

5.3.4 参数估计的训练过程61

第6章 概率图模型的新型学习方法62

6.1 概述62

6.2 主动学习方法62

6.2.1 主动学习原理63

6.2.2 基于主动学习的贝叶斯网络分类器学习算法68

6.2.3 基于半监督主动学习的动态贝叶斯网络学习方法78

6.2.4 基于主动学习的贝叶斯网络结构学习83

6.3 增量学习90

6.3.1 基本原理90

6.3.2 贝叶斯网络参数的增量学习方法90

6.3.3 贝叶斯网络结构的增量学习方法91

第7章 概率图模型理论在计算机视觉中的应用93

7.1 基于概率图模型的图像分割93

7.2 基于概率图模型的检测和识别95

7.3 基于概率图模型的目标跟踪97

7.4 基于概率图模型的行为建模和识别99

第8章 贝叶斯网络在电信个人信用风险分析中的应用104

8.1 电信客户信用风险评估概述104

8.2 基于主动贝叶斯网络的电信客户信用风险评估模型107

8.2.1 指标集确定107

8.2.2 基于投票熵和类条件后验最大熵的主动贝叶斯网络建立客户信用度评分模型107

8.2.3 基于投票熵和最小相对熵的主动贝叶斯网络建立客户信用等级评估模型111

8.3 基于半监督主动学习的DBNs建立电信客户信用风险行为演化模型114

8.3.1 问题背景114

8.3.2 基于ERS和EM的DBNs学习算法建立客户信用风险行为演化模型115

8.3.3 基于QBC和EM的DBNs学习算法建立客户信用风险行为演化模型117

第9章 概率图模型理论在语音识别中的应用120

9.1 语音识别基本原理120

9.2 基于隐马尔可夫模型的孤立词语音识别121

9.2.1 基于HMM的语音识别框架121

9.2.2 HMM训练122

9.2.3 HMM识别124

9.2.4 实验结果分析124

9.3 基于深度动态贝叶斯网络无监督语音特征学习和语音识别模型建立124

9.3.1 概述125

9.3.2 深度动态贝叶斯网络126

9.3.3 DDBN拓扑结构的学习和视听语音识别学习算法127

9.3.4 实验与结果分析130

附录A 概率图模型常用开发工具133

附录B 贝叶斯网工具箱BNT的研究与学习135

参考文献144