用于因果分析的混合贝叶斯网络结构学习

• 作者: 侯彩虹 李小琳 王双成
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 因果分析 混合贝叶斯网络 最大似然树 Gibbs抽样
• 年，卷（期）: 2007,（6）
• 所属期刊栏目: 学术论文
• 页码范围: 82-89
• 页数: 8页
• 分类号: TP18
• 字数: 7062字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-4785.2007.06.012

摘要

目前主要结合扩展的熵离散化方法和打分-搜索方法进行混合贝叶斯网络结构学习,算法效率和可靠性低,而且易于陷入局部最优结构.针对问题建立了一种新的混合贝叶斯网络结构迭代学习方法.在迭代中,基于父结点结构和Gibbs sampling进行混合数据聚类,实现对连续变量的离散化,再结合贝叶斯网络结构优化调整,使贝叶斯网络结构序列逐渐趋于稳定,可避免使用扩展的熵离散化和打分-搜索所带来的主要问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李小琳	南京大学软件技术国家重点实验室	12	68	5.0	8.0
2	王双成	上海立信会计学院信息科学系	65	390	10.0	15.0
3	侯彩虹	上海立信会计学院信息科学系	2	12	2.0	2.0