1、本文在對Bayes網(wǎng)絡的國內(nèi)外研究現(xiàn)狀進行深入分析的基礎上,對Bayes網(wǎng)絡的知識表示、推理、解釋等基本理論和方法進行了系統(tǒng)的研究,并從理論上對其進行了擴展,對Bayes網(wǎng)絡及其擴展模型在航空影像中房屋等目標的識別,以及圖像中文本目標的檢測與定位等方面應用進行了探討.全文主要內(nèi)容如下:1.從圖模型角度分析了隨機變量的條件獨立性質(zhì),討論了Bayes網(wǎng)絡知識表示的基本原理及性質(zhì),討論了消息傳播與消元推理方法的基本原理,在此基礎上提出了一種基

2、于擴展鄰接樹的消元推理算法.該算法使用擴展鄰接樹的深度優(yōu)先確定消元次序,有效解決了選擇消元次序的難題.2.在分析Bayes網(wǎng)絡解釋機制的已有研究成果的基礎上,提出一種關于Bayes網(wǎng)絡推理結(jié)論解釋的新機制.文中引入必要性和充分性因子,解釋證據(jù)對推理結(jié)論的作用程度;引入概率分布變化方向的概念,用于判定證據(jù)對推理結(jié)論的作用方向,檢測證據(jù)之間可能存在的沖突現(xiàn)象;通過定性和定量分析網(wǎng)絡結(jié)構(gòu)特征生成證據(jù)對推理結(jié)論的作用路徑.通過應用實例的討論,說

3、明了該解釋機制具有合理性.3.在研究房屋等人造結(jié)構(gòu)體的投影性質(zhì)的基礎上,提出了一種基于Bayes網(wǎng)絡的感知組織算法,用于檢測航空攝影圖像中屋頂?shù)饶繕?該算法包括提取邊緣及線段、生成平行四邊形、生成假設、檢驗假設等步驟,用Bayes網(wǎng)絡推理實現(xiàn)信息融合,由Bayes網(wǎng)絡學習實現(xiàn)了感知的自適應性.實驗結(jié)果驗證了算法的有效性.4.針對大規(guī)模Bayes網(wǎng)絡知識表示和推理的計算復雜度問題,提出了一種新的面向?qū)ο蟮母怕蕡D模型--對象概率模型(OPM

4、).該模型將Bayes網(wǎng)絡分解成若干稱為類的模塊,每個模塊中設置兩個界面節(jié)點用于傳遞概率信息.OPM利用層次結(jié)構(gòu)中所蘊含的條件獨立性,有效降低了模型的構(gòu)造和知識表示的復雜性.文中通過推廣Bayes網(wǎng)絡消元推理算法實現(xiàn)了OPM的推理機制.適當調(diào)節(jié)推理算法中的控制參數(shù),就可有效控制OPM推理的計算復雜度.將OPM用于解決圖像中文本的自動檢測與定位問題,實驗結(jié)果表明檢測效果好、速度快.5.對Bayes網(wǎng)絡與確信因子模型作了對比研究.討論了確信