一种改进的贝叶斯网络结构学习算法

• 作者: 石为人 范敏 鲜晓东 黄席樾
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: 贝叶斯网络 结构学习 模型平均 K2 MCMC
• 年，卷（期）: 2008,（17）
• 所属期刊栏目: 人工智能与仿真
• 页码范围: 4613-4617
• 页数: 5页
• 分类号: TP18
• 字数: 4639字
• 语种: 中文

摘要

贝叶斯网络的结构学习是数据挖掘与知识发现领域的主要研究技术之一,能从大量数据中寻找隐含的概率依赖关系和知识表达模型,对复杂决策任务的建模与求解提供支持,具有重要的研究意义.文章通过分析结构学习方法(1(2和MCMC算法)的基本思想,将两种算法的优点和模型平均的思路结合起来,提出-种改进的贝叶斯网络结构学习算法.仿真实验证明该算法解决了K2和MCMC算法的缺陷,可以在无先验知识的情况下以较快的收敛速度获得较正确、稳定的模型结构.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄席樾	重庆大学自动化学院	232	4039	34.0	50.0
2	石为人	重庆大学自动化学院	156	2848	28.0	45.0
3	范敏	重庆大学自动化学院	35	444	14.0	18.0
4	鲜晓东	重庆大学自动化学院	32	469	9.0	21.0