機率圖模型學習理論及其套用

《機率圖模型學習理論及其套用》是2012年清華大學出版社出版的圖書，作者是趙悅。本書是系統論述機率圖模型的基本理論、學習算法及其套用的中文專著。

基本介紹

• 書名：機率圖模型學習理論及其套用
• 作者：趙悅
• ISBN：9787302302063
• 頁數：157
• 定價：23.00元
• 出版社：清華大學出版社
• 出版時間：2012-12
• 裝幀：平裝
• 開本：16

內容簡介

內容包括機率圖模型基本概念；完整數據集的機率圖模型的學習理論；不完整數據集的機率圖模型學習理論；無向機率圖模型學習；新型學習方法；機率圖模型在計算機視覺、個人信用風險評估及語言識別領域中的套用等部分。《機率圖模型學習理論及其套用》從實例出發，由淺入深，直觀與嚴謹相結合，並提供了詳盡的參考文獻。

作者簡介

趙悅，1997年本科畢業於東北大學工業電氣自動化專業，2006年在北京科技大學控制理論與控制工程專業取得工學博士學位，同年進入中央民族大學數學與計算機學院任教。2009年-2010年美國Rensselaer Polytechnic Institute訪問學者，現為中央民族大學信息工程學院副教授，碩土生導師。IEEE會員，國際期刊IEEE Transactions on Systems，Man，and Cybernetics-Part B：Cybernet-ics和《北京科技大學學報》審稿人，ICAL 2010 Session Chair。主要研究方向為機器學習與數據挖掘、語音識別、嵌入式系統。主持和參與科研項目10項；專著2部、教材2部；發表SCI、EI檢索論文33篇，獲中央民族大學校級教學成果三等獎一次，獲北京市高等教育學會2012年度計算機教學精彩片段交流三等獎一次。

目錄

第1章機率圖模型基礎知識

1.1 概述

1.2 圖論的相關基本概念

1.3 機率論的相關基本概念

1.3.1 隨機變數與機率函式

1.3.2 古典機率與主觀機率

1.3.3 聯合機率分布

1.3.4 邊緣機率分布

1.3.5 條件機率分布

1.3.6 邊緣獨立與條件獨立

1.3.7 貝葉斯定理

1.4 資訊理論的相關基本概念

1.4.1 Jensen不等式

1.4.2 熵

1.4.3 聯合熵、條件熵和互信息

1.4.4 相對熵

1.5 生成模型與判別模型

第2章 機率圖模型的基本原理

2.1 概述

2.2 有向機率圖模型

2.2.1 隱馬爾可夫模型

2.2.2 貝葉斯網路

2.2.3 動態貝葉斯網路

2.3 無向機率圖模型

2.3.1 馬爾可夫隨機場

2.3.2 條件隨機場

2.4 機率圖模型學習與推理

2.4.1 模型的學習

2.4.2 模型的推理

2.4.3 計算複雜度分析

第3章 完整數據集下有向機率圖模型的學習

3.1 概述

3.2 結構學習

3.2.1 基於評分 搜尋的結構學習

3.2.2 基於條件獨立性測試的結構學習算法

3.3 參數學習

3.3.1 極大似然參數估計

3.3.2 貝葉斯參數估計

第4章 不完整數據集下的有向機率圖模型的學習

4.1 概述

4.2 參數估計

4.2.1EM算法

4.2.2 Gibbs抽樣方法

4.3 結構學習

4.3.1 結構EM方法

4.3.2 打分 搜尋方法

第5章 無向機率圖模型學習

5.1 概述

5.2 馬爾可夫隨機場

5.2.1 鄰域系統和團

5.2.2 HC定理

5.2.3 Pairwise MRF模型

5.2.4 MRFs的參數學習

5.3 條件隨機場

5.3.1 問題分析

5.3.2 模型訓練中的動態規劃

5.3.3 參數估計的訓練算法

5.3.4 參數估計的訓練過程

第6章 機率圖模型的新型學習方法

6.1 概述

6.2 主動學習方法

6.2.1 主動學習原理

6.2.2 基於主動學習的貝葉斯網路分類器學習算法

6.2.3 基於半監督主動學習的動態貝葉斯網路學習方法

6.2.4 基於主動學習的貝葉斯網路結構學習

6.3 增量學習

6.3.1 基本原理

6.3.2 貝葉斯網路參數的增量學習方法

6.3.3 貝葉斯網路結構的增量學習方法

第7章機率圖模型理論在計算機視覺中的套用

7.1基於機率圖模型的圖像分割

7.2基於機率圖模型的檢測和識別

7.3基於機率圖模型的目標跟蹤

7.4基於機率圖模型的行為建模和識別

第8章貝葉斯網路在電信個人信用風險分析中的套用

8.1電信客戶信用風險評估概述

8.2基於主動貝葉斯網路的電信客戶信用風險評估模型

8.2.1指標集確定

8.2.2基於投票熵和類條件後驗最大熵的主動貝葉斯網路建立客戶信用度評分模型

8.2.3基於投票熵和最小相對熵的主動貝葉斯網路建立客戶信用等級評估模型

8.3基於半監督主動學習的DBNs建立電信客戶信用風險行為演化模型

8.3.1問題背景

8.3.2基於ERS和EM的DBNs學習算法建立客戶信用風險行為演化模型

8.3.3基於QBC和EM的DBNs學習算法建立客戶信用風險行為演化模型

第9章機率圖模型理論在語音識別中的套用

9.1語音識別基本原理

9.2基於隱馬爾可夫模型的孤立詞語音識別

9.2.1基於HMM的語音識別框架

9.2.2HMM訓練

9.2.3HMM識別

9.2.4實驗結果分析

9.3基於深度動態貝葉斯網路無監督語音特徵學習和語音識別模型建立

9.3.1概述

9.3.2深度動態貝葉斯網路

9.3.3DDBN拓撲結構的學習和視聽語音識別學習算法

9.3.4實驗與結果分析

附錄A機率圖模型常用開發工具

附錄B貝葉斯網工具箱BNT的研究與學習

參考文獻