概率图模型的稀疏化学习

• 作者: 刘建伟 崔立鹏 罗雄麟
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 概率图模型 稀疏化学习 结构和参数 图套索 精度矩阵 机器学习
• 年，卷（期）: 2016,（8）
• 所属期刊栏目: 数据挖掘、机器学习与类脑智能
• 页码范围: 1597-1611
• 页数: 15页
• 分类号: TP181
• 字数: 15466字
• 语种: 中文
• DOI: 10.11897/SP.J.1016.2016.01597

摘要

利用稀疏化学习得到的概率图模型结构简单却保留了原始概率图模型中重要的结构信息，且能同时实现结构和参数学习，因此近几年来概率图模型的稀疏化学习一直是研究的热点，其中概率图模型的第一种稀疏化学习方法是图套索。文中总结了概率图模型的稀疏化学习方法，包括概率图模型的 L 1范数罚稀疏化学习、概率图模型的无偏稀疏化学习、概率图模型的结构稀疏化学习和概率图模型的多任务稀疏化学习。最后，文中还指出了概率图模型的稀疏化学习未来有意义的研究方向。

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	崔立鹏	中国石油大学北京自动化研究所	2	76	2.0	2.0