论文纲要：几率图模子及其好像估计算法的接洽与实行

几率图模子动作将图论与几率论相贯串的统计建立模型东西，仍旧在诸如底栖生物消息学，金融领会，呆板进修等很多范围获得了普遍的运用。本舆论将关心几率图模子在呆板进修范围的运用。在互联网络期间，跟着数据量和数据搀杂度的剧增，大略的呆板进修模子在很多情景下仍旧不许满意咱们的需要，但是搀杂的模子大概生存着不计其数的变量，怎样表白和创造那些搀杂的模子以及怎样在模子长进行高效的演算是暂时呆板进修范围的接洽的中心。几率图模子承诺咱们将模子举行灵验的领会使得不管从领会和计划上都不妨洪量简化咱们的处事，进而使得那些模子不妨真实用来本质情况。 本舆论鉴于普遍到特出的接洽本领，开始计划几率图模子的普遍本质及其好像估计算法的特性，随后将经过学术界和产业界普遍运用的一种几率图模子的惯例---几率中心模子---去深刻接洽其模子的建立和估计算法的道理和实行。暂时学术界对几率中心模子的接洽大多鉴于对所领会的文本集属于一个聚类的假如，即文本集被觉得根源于同一个中心观念，文书档案与文书档案之间的一致性在现有的几率中心模子中没有获得灵验的运用。本舆论经过深刻领会现有的几率中心模子的缺陷，提出新的鉴于聚类的贝叶斯非参几率中心模子使得文本会合的文书档案之间的一致联系获得灵验的运用进而普及所天生的中心的品质以及文本聚类的精确度，并且模子的中心个数，聚类个数都不须要人为指定，实足经过演练数据去决定。与此同声，本舆论推导了鉴于变分法的好像估计算法去处置所提出的模子的参数估计题目。本舆论的接洽奉献重要展现在以次几个上面： 对几率图模子及其好像估计算法的便宜和缺陷举行了深刻的接洽。 对现有的几率中心模子举行了深刻的接洽并领会其不及之处。 矫正现有模子的缺陷并提出新的鉴于聚类的贝叶斯非参几率中心模子。 开拓了高效的好像估计算法（变分法）对所提出的模子举行演练和参数的进修。