贝叶斯网络分类器结构与变量分布的差异性分析

• 作者: 付彬 王中锋 王志海
• 来源期刊: 北京交通大学学报
• 学科: 工学
• 关键词: 数据挖掘 机器学习 贝叶斯网络 分类器 结构学习 参数学习 鉴别式学习
• 年，卷（期）: 2011,（2）
• 所属期刊栏目: 计算机与信息技术
• 页码范围: 32-35,47
• 分类号: TP311|TP18
• 字数: 3824字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-0291.2011.02.006

摘要

为了提高鉴别式学习策略训练的贝叶斯网络分类器的分类精度,分析了贝叶斯网络结构与数据中变量分布之间的差异对贝叶斯网络分类器性能的影响,实验以网络结构的实际联合概率分布的树型近似描述为基准,删除在条件对数似然函数极大化过程中不起作用的边,生成具有同一联合概率分布的不同描述程度的网络结构.实验结果表明,只有当网络结构表现力不足时,鉴别式参数学习才能起积极作用;而当网络结构中有多余的边时,反而容易受其制约.从而验证了网络中多余的边对分类器性能没有影响的观点是片面的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王志海	北京交通大学计算机与信息技术学院	64	491	11.0	20.0
2	付彬	北京交通大学计算机与信息技术学院	7	42	4.0	6.0
3	王中锋	北京交通大学计算机与信息技术学院	7	62	4.0	7.0