多维贝叶斯网络分类器加速学习算法

• 作者: Sein Minn 傅顺开 李志强
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 多维分类 贝叶斯网络 多维贝叶斯网络分类器 马尔科夫毯
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: 人工智能
• 页码范围: 262-267
• 页数: 6页
• 分类号: TP181|TP391
• 字数: 7198字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2015.6.055

摘要

作为概率图模型,无限制多维贝叶斯网络分类器(GMBNC)是贝叶斯网络(BN)应用在多维分类应用时的精简模型,只包含对预测有效的局部结构.为了获得GMBNC,传统方法是先学习全局BN;为了避免全局搜索,提出了仅执行局部搜索的结构学习算法DOS-GMBNC.该算法继承了之前提出的IPC-GMBNC算法的主体框架,基于进一步挖掘的结构拓扑信息来动态调整搜索次序,以避免执行无效用的计算.实验研究验证了DOS-GMBNC算法的效果和效率:(1)该算法输出的网络质量与IPC-GMBNC一致,优于经典的PC算法;(2)在一个包含100个节点的问题中,该算法相对于PC和IPC-GMBNC算法分别节省了近89％和45％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