基于改进 BIC 评分的贝叶斯网络结构学习

• 作者: 邸若海 郭志高 高晓光
• 来源期刊: 系统工程与电子技术
• 学科: 工学
• 关键词: 贝叶斯网络 小数据集 专家知识
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 软件、算法与仿真
• 页码范围: 437-444
• 页数: 8页
• 分类号: TP18
• 字数: 4738字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-506X.2017.02.31

摘要

引入专家知识已成为小数据集条件下贝叶斯网络建模的主流方法，然而，专家知识是否正确直接决定了算法的结果和性能。因此，在考虑专家知识正确性的基础上，本文对贝叶斯网络结构学习问题展开研究。首先，建立一种基于连接概率分布的结构约束模型来表示专家知识，进而结合该约束模型对贝叶斯信息准则（Bayesian information criterions，BIC）评分进行改进；最后，利用 K2算法学习贝叶斯网络结构。实验结果表明，在小数据集条件下本文所提算法不仅能将专家知识引入到学习过程中，进而改善学习效果，并且对不完全正确的专家知识有一定的适应性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高晓光	西北工业大学电子信息学院	350	2934	23.0	33.0
2	邸若海	西北工业大学电子信息学院	12	117	7.0	10.0
3	郭志高	西北工业大学电子信息学院	7	52	5.0	7.0