基于贝叶斯网络的马尔科夫毯预测学习

• 作者: 王双成 王辉 苑森淼
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 贝叶斯网络 预测 马尔科夫毯 因果语义 碰撞识别
• 年，卷（期）: 2004,（1）
• 所属期刊栏目: 论文与报告
• 页码范围: 17-21
• 页数: 5页
• 分类号: TP311.134.1
• 字数: 4465字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2004.01.004

摘要

研究变量之间的预测能力在许多领域都有重要意义,通过这种研究,能够揭示变量之间的制约机制,贝叶斯网络是研究变量之间预测能力的有力工具.本文使用依赖分析方法建立基于贝叶斯网络的马尔科夫毯预测,其核心问题是贝叶斯网络结构学习.目前,基于依赖分析的贝叶斯网络结构学习方法主要存在三个问题:(1)需要进行大量的高维条件概率计算,(2)容易丢失弱联合依赖边,(3)对边的方向的确定具有局限性.针对这些问题,本文提出了首先进行递推条件独立性检验,然后进行因果语义定向,最后进行冗余边检验的贝叶斯网络结构学习方法.该方法能够有效地避免这些问题,更准确地建立马尔科夫毯预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苑森淼	吉林大学计算机科学与技术学院	69	850	15.0	26.0
2	王辉	东北师范大学计算机系	29	610	12.0	24.0
3	王双成	吉林大学计算机科学与技术学院	7	393	7.0	7.0