基于局部优化具有连续变量的贝叶斯网络结构学习

被引：5

作者：

张剑飞 ^{[1
]}

王辉 ^{[2
]}

周颜军 ^{[2
]}

王双成 ^{[3
]}

机构：

[1] 齐齐哈尔大学计算机与控制工程学院

[2] 东北师范大学计算机学院

[3] 上海立信会计学院信息科学院

来源：

东北师大学报(自然科学版) | 2006年 / 01期

关键词：

连续变量; 贝叶斯网络; 结构学习; 回归;

D O I：

10.16163/j.cnki.22-1123/n.2006.01.006

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

摘要：

概述了具有连续变量的贝叶斯网络结构学习存在的主要问题,给出了基于局部优化的具有连续变量的贝叶斯网络结构学习方法.通过构造局部最优回归模式、局部回归模式的条件组合及环路处理,建立了具有连续变量的贝叶斯网络结构,既可以避免复杂的结构打分运算及结构空间搜索,同时又不会出现由于离散化而导致过多的信息丢失及假依赖现象.

引用

页码：27 / 30

页数：4