贝叶斯网络参数学习中的连续变量离散化方法研究

• 作者: 刘显德 刘晓明 李盼池 肖红
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 贝叶斯网络 连续变量 离散化
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 信息处理与网络安全
• 页码范围: 992-996
• 页数: 5页
• 分类号: TJ765.2
• 字数: 2801字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2018.05.029

摘要

在贝叶斯网络参数学习中,通常假定所有变量是离散变量或者服从高斯分布的连续变量,所以需要对现实中一些不符合该前提假设的变量进行离散化.连续变量的离散化直接影响贝叶斯网络的推理效果,因而具有重要意义.论文采用两种不同的方法(分别为等宽法、ChiMerge法)对数据集进行离散化,离散后的结果运用Netica构建相应的贝叶斯网络并进行参数学习,最后利用得到的贝叶斯网络进行简单的预测分析.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘显德	东北石油大学计算机与信息技术学院	14	29	3.0	4.0
2	李盼池	东北石油大学计算机与信息技术学院	93	344	9.0	11.0
3	肖红	东北石油大学计算机与信息技术学院	42	180	7.0	10.0
4	刘晓明	东北石油大学计算机与信息技术学院	7	10	2.0	3.0