贝叶斯网络结构学习及其应用研究

被引:12
作者
黄解军
万幼川
潘和平
机构
[1] 武汉大学遥感信息工程学院,武汉大学遥感信息工程学院,武汉大学遥感信息工程学院武汉市珞喻路号,,武汉市珞喻路号,,武汉市珞喻路号,
关键词
贝叶斯网络; 结构学习; 条件独立性; 概率推理; 图论;
D O I
10.13203/j.whugis2004.04.008
中图分类号
TP181 [自动推理、机器学习];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ;
摘要
阐述了贝叶斯网络结构学习的内容与方法 ,提出一种基于条件独立性 (CI)测试的启发式算法。从完全潜在图出发 ,融入专家知识和先验常识 ,有效地减少网络结构的搜索空间 ,通过变量之间的CI测试 ,将全连接无向图修剪成最优的潜在图 ,近似于有向无环图的无向版。通过汽车故障诊断实例 ,验证了该算法的可行性与有效性。
引用
收藏
页码:315 / 318
页数:4
相关论文
共 2 条
[1]  
Learning Bayesian Networks: The Combination of Knowledge and Statistical Data[J] . David Heckerman,Dan Geiger,David M. Chickering.Machine Learning . 1995 (3)
[2]   A BAYESIAN METHOD FOR THE INDUCTION OF PROBABILISTIC NETWORKS FROM DATA [J].
COOPER, GF ;
HERSKOVITS, E .
MACHINE LEARNING, 1992, 9 (04) :309-347