- 研究目的及意义
1 选题背景
概率图模型是一类用图形模式表达基于概率相关关系的模型的总称。概率图模型结合概率论与图论的知识,利用图来表示与模型有关的变量的联合概率分布。近10年它已成为不确定性推理的研究热点,在人工智能、机器学习和计算机视觉等领域有广阔的应用前景。
概率图理论共分为三个部分，分别为概率图模型表示理论，概率图模型推理理论和概率图模型学习理论。基本的概率图模型包括贝叶斯网络、马尔可夫网络和隐马尔可夫网络。
概率图模型有以下性质：
1.提供了一种简单的可视化概率模型的方法，有利于设计和开发新模型；
2.通过对图的深入研究了解概率模型的性质；
3.用于表示复杂的推理和学习运算，简化数学表达；
而LDA（Latent Dirichlet Allocation）是一种文档主题生成模型，也称为一个三层贝叶斯概率模型，包含词、主题和文档三层结构。LDA是一种非监督机器学习技术，可以用来识别大规模文档集或语料库中潜藏的主题信息。它采用了词袋的方法，这种方法将每一篇文档视为一个词频向量，从而将文本信息转化为了易于建模的数字信息。每一篇文档代表了一些主题所构成的一个概率分布，而每一个主题又代表了很多单词所构成的一个概率分布。
在此，通过一些实例来学习LDA，了解文档主题的生成模型，有助于对图模型的研究。
2 国内外研究现状及研究方向
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
