多维贝叶斯网络分类器结构学习算法

• 作者: Sein Minn 傅顺开 李志强
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 多标签分类 多维分类 多维贝叶斯网络分类器 贝叶斯网络 马尔可夫毯
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 1083-1088
• 页数: 6页
• 分类号: TP391
• 字数: 6655字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2014.04.1083

摘要

传统多维贝叶斯网络分类器(MBNC)限制其模型结构必须是二分的,通过移除该限制可得到更准确的对关联分布建模的通用MBNC(GMBNC).基于局部马尔可夫毯的迭代搜索,提出可准确学习GMBNC的算法IPC-GMBNC.该算法由于无需学习全局贝叶斯网络(BN),可扩展性强.基于已知贝叶斯网络模型而随机生成的数据上所执行的实验显示,IPC-GMBNC可有效推导出目标结构;而且与传统的全局结构学习算法PC相比,IPC-GMBNC可节省大量的计算量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李志强	华侨大学计算机科学与技术学院	27	54	4.0	6.0
2	傅顺开	华侨大学计算机科学与技术学院	8	131	5.0	8.0
3	Sein Minn	华侨大学计算机科学与技术学院	4	21	3.0	4.0