Bayesian网中概率参数学习方法

• 作者: 刘大有 张弘 薛万欣
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: Bayesian网 条件概率 参数分布
• 年，卷（期）: 2003,（11）
• 所属期刊栏目: 学术论文
• 页码范围: 1686-1689
• 页数: 4页
• 分类号: TP181
• 字数: 5828字
• 语种: 中文
• DOI: 10.3321/j.issn:0372-2112.2003.11.022

摘要

Bayesian网已经成为AI领域的研究热点,并在现代专家系统、诊断系统及决策支持系统中发挥着至关重要的作用.Bayesian网的研究主要集中在三个方面:知识表示、学习与推理.概率知识是Bayesian网坚实的数学基础,从数据中学习分布参数使得Bayesian网逐步走向现实应用.本文介绍和比较了概率参数学习的各种常用方法,并探求了它们在不同应用背景下的优缺点.基于经典统计学的方法理论成熟,计算简单,但它只利用了实例数据集合所提供的信息,无法加入专家知识,对实例数据的依赖性大;基于Bayesian有机结合了两类信息,对实例数据的依赖性降低,学习结果更加准确.参数学习是Bayesian网学习的基础,是Bayesian网结构学习必不可少的部分.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘大有	吉林大学计算机科学技术学院	211	4714	34.0	63.0
2	张弘	吉林大学计算机科学技术学院	48	169	8.0	10.0
3	薛万欣	北京联合大学管理学院	42	201	8.0	12.0