基于推理信息量的BN参数学习变量离散化方法

• 作者: 周旋 朱廷广 杨峰 王磊
• 来源期刊: 计算机工程
• 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,（5）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 185-187,199
• 页数: 4页
• 分类号: TP393
• 字数: 4178字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2009.05.064

摘要

提出推理信息量的概念,将其作为贝叶斯网络连续变量离散化评价标准.在连续变量离散化的过程中,采用遗传算法寻求最优解,设计个体编码方式、交叉算子和变异算子,将推理信息量作为衡量个体适应度的标准.实例分析证明,通过该方法对变量进行离散化后学习得到的贝叶斯网络在推理时能得到更大的推理信息量.

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	朱廷广	国防科技大学信息系统与管理学院	1	0	0.0	0.0