学术探索
学术期刊
新闻热点
数据分析
智能评审

一种改进的贝叶斯网络结构学习算法

被引：9
作者：
范敏
黄席樾
石为人
鲜晓东
机构：
[1] 重庆大学自动化学院
来源：
系统仿真学报 | 2008年 / 17期
关键词：
贝叶斯网络; 结构学习; 模型平均; K2; MCMC;
D O I：
10.16182/j.cnki.joss.2008.17.059
中图分类号：
TP183 [人工神经网络与计算];
学科分类号：
081104 ; 0812 ; 0835 ; 1405 ;
摘要：
贝叶斯网络的结构学习是数据挖掘与知识发现领域的主要研究技术之一,能从大量数据中寻找隐含的概率依赖关系和知识表达模型,对复杂决策任务的建模与求解提供支持,具有重要的研究意义。文章通过分析结构学习方法(K2和MCMC算法)的基本思想,将两种算法的优点和模型平均的思路结合起来,提出一种改进的贝叶斯网络结构学习算法。仿真实验证明该算法解决了K2和MCMC算法的缺陷,可以在无先验知识的情况下以较快的收敛速度获得较正确、稳定的模型结构。
引用
收藏
页码：4613 / 4617
页数：5
相关论文
共 10 条
[1]  
知识发现的图模型方法.[D].李刚.中国科学院软件研究所.2001, 01
[2]   面向复杂问题的贝叶斯网建模方法 [J].
胡笑旋 ;
杨善林 ;
马溪骏 .
系统仿真学报, 2006, (11) :3242-3246
[3]   基于约束最大信息熵的贝叶斯网络结构学习算法 [J].
张少中 ;
王秀坤 .
小型微型计算机系统, 2005, (06) :983-987
[4]   Bayes网络学习的MCMC方法 [J].
岳博 ;
焦李成 .
控制理论与应用, 2003, (04) :582-584+588
[5]   Improving Markov Chain Monte Carlo model search for data mining [J].
Giudici, P ;
Castelo, R .
MACHINE LEARNING, 2003, 50 (1-2) :127-158
[6]   Being Bayesian about network structure. A Bayesian approach to structure discovery in Bayesian networks [J].
Friedman, N ;
Koller, D .
MACHINE LEARNING, 2003, 50 (1-2) :95-125
[7]   Data mining of association structures to model consumer behaviour [J].
Giudici, P ;
Passerone, G .
COMPUTATIONAL STATISTICS & DATA ANALYSIS, 2002, 38 (04) :533-541
[8]   Bayesian model averaging and model selection for Markov equivalence classes of acyclic digraphs [J].
Madigan, D ;
Andersson, SA ;
Perlman, MD ;
Volinsky, CT .
COMMUNICATIONS IN STATISTICS-THEORY AND METHODS, 1996, 25 (11) :2493-2519
[9]   LEARNING BAYESIAN NETWORKS - THE COMBINATION OF KNOWLEDGE AND STATISTICAL-DATA [J].
HECKERMAN, D ;
GEIGER, D ;
CHICKERING, DM .
MACHINE LEARNING, 1995, 20 (03) :197-243
[10]   A BAYESIAN METHOD FOR THE INDUCTION OF PROBABILISTIC NETWORKS FROM DATA [J].
COOPER, GF ;
HERSKOVITS, E .
MACHINE LEARNING, 1992, 9 (04) :309-347
1