贝叶斯网参数学习中连续变量离散化方法研究

• 作者: 周旋 朱延广 杨峰 王磊
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 参数学习 推理信息量 离散化方法 遗传算法
• 年，卷（期）: 2009,（9）
• 所属期刊栏目: 人工智能与专家系统
• 页码范围: 136-139,260
• 页数: 5页
• 分类号: TP31
• 字数: 4518字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2009.09.038

摘要

连续变量离散化是贝叶斯网络参数学习中面临的一个重要问题,它的好坏将直接影响到贝叶斯网络的推理效果.目前缺少一种有效的手段用于评价连续变量离散化的好坏,通过研究,提出了推理信息量的概念,并采用作为衡量连续变量离散化好坏的标准.在连续变量离散化的过程中,采用遗传算法通过迭代的方式寻求最优解,其中,推理信息量作为衡量个体适应度的标准.实例分析证明,推理信息量大的推理效果好要优于推理信息量小的推理效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王磊	国防科技大学信息系统与管理学院	41	132	7.0	9.0
2	杨峰	国防科技大学信息系统与管理学院	56	504	14.0	18.0
3	周旋	国防科技大学信息系统与管理学院	5	18	2.0	4.0
4	朱延广	国防科技大学信息系统与管理学院	10	128	6.0	10.0