基于类约束的贝叶斯网络分类器学习

被引：22

作者：

王双成

苑森淼

王辉

机构：

[1] 吉林大学计算机科学与技术学院

[2] 东北师范大学计算机系吉林长春

[3] 吉林长春

来源：

小型微型计算机系统 | 2004年 / 06期

关键词：

贝叶斯网络分类器; 0-1损失率; 因果语义; 碰撞识别;

D O I：

暂无

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：

分类能力是人类经过学习得到的重要而基本的能力 ,也是机器学习、模式识别和数据采掘研究的核心问题 .在0 - 1损失率下 ,证明了基于类约束的贝叶斯网络分类器是最优分类器 .建立该分类器的核心问题是基于类约束属性贝叶斯网络结构学习 ,给出了学习属性贝叶斯网络结构的方法 ,在学习过程中使用了根据弧方向因果语义确定边方向的方法 ,并和碰撞识别定向相结合 ,在边定向之后进行冗余弧检验 ,解决了目前冗余边检验在定向之前所导致的问题 ,显著提高了结构学习效率和准确性 .并使用模拟数据进行了分类实验和分析 .

引用

页码：968 / 971

页数：4