概率图模型学习技术研究进展

• 作者: 刘建伟 罗雄麟 黎海恩
• 来源期刊: 自动化学报
• 关键词: 概率图模型 贝叶斯网络 马尔科夫网络 参数学习 结构学习 不完备数据集
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 综述
• 页码范围: 1025-1044
• 页数: 20页
• 字数: 21797字
• 语种: 中文
• DOI: 10.3724/SP.J.1004.2014.01025

摘要

概率图模型能有效处理不确定性推理，从样本数据中准确高效地学习概率图模型是其在实际应用中的关键问题。概率图模型的表示由参数和结构两部分组成，其学习算法也相应分为参数学习与结构学习。本文详细介绍了基于概率图模型网络的参数学习与结构学习算法，并根据数据集是否完备而分别讨论各种情况下的参数学习算法，还针对结构学习算法特点的不同把结构学习算法归纳为基于约束的学习、基于评分搜索的学习、混合学习、动态规划结构学习、模型平均结构学习和不完备数据集的结构学习。并总结了马尔科夫网络的参数学习与结构学习算法。最后指出了概率图模型学习的开放性问题以及进一步的研究方向。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗雄麟	中国石油大学北京自动化研究所	143	1487	17.0	33.0
2	刘建伟	中国石油大学北京自动化研究所	47	653	9.0	25.0
3	黎海恩	中国石油大学北京自动化研究所	3	37	2.0	3.0