基于密度核估计的贝叶斯网络结构学习算法

• 作者: 李建勋 韩绍金
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 贝叶斯网络 小样本结构学习 K2算法
• 年，卷（期）: 2014,（15）
• 所属期刊栏目: 数据库、数据挖掘、机器学习
• 页码范围: 107-112
• 页数: 6页
• 分类号: TP181
• 字数: 5980字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1307-0003

摘要

贝叶斯网络结构学习算法主要包括爬山法和K2算法等，但这些方法均要求面向大样本数据集。针对实际问题中样本集规模小的特点，通过引入概率密度核估计方法以实现对原始样本集的拓展，利用K2算法进行贝叶斯网络结构学习。通过优化选择核函数和窗宽，基于密度核估计方法实现了样本集的有效扩展；同时基于互信息度进行变量顺序的确认，进而建立了小规模样本集的贝叶斯结构学习算法。仿真结果验证了新学习算法的有效性和实用性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李建勋	上海交通大学电子信息与电气工程学院	92	802	16.0	24.0
3	韩绍金	上海交通大学电子信息与电气工程学院	1	10	1.0	1.0