一种利用不可行解的贝叶斯网学习算

• 作者: 何湘东 李小琳 陈传明
• 来源期刊: 同济大学学报（自然科学版）
• 学科: 工学
• 关键词: 机器学习 贝叶斯网 结构学习 最小描述长度 进化计算
• 年，卷（期）: 2010,（5）
• 所属期刊栏目: 计算机与信息工程
• 页码范围: 744-748
• 分类号: TP301
• 字数: 4572字
• 语种: 中文
• DOI: 10.3969/j.issn.0253-374x.2010.05.020

摘要

现有的基于打分搜索的贝叶斯网学习方法都是利用满足有向无环图的可行解进行学习.在搜索过程中遇到不可行解时,这类算法简单地去除不可行解或将不可行解转化为可行解.然而,有的不可行解中往往蕴含着有价值的信息.本文提出一种新的贝叶斯网学习方法ISEC,同时利用可行解和不可行解学习贝叶斯网络,并提出针对不可行解的选择策略,在学习过程中可以有效地利用不可行解中的有用信息.实验结果表明,ISEC能够比仅利用可行解的方法更快地学习到更优的贝叶斯网.

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	南京大学管理学院	12	68	5.0	8.0
2	陈传明	南京大学管理学院	133	2783	24.0	50.0
3	何湘东	南京大学网络信息中心	4	6	1.0	2.0