由Markov网到Bayesian网

被引:13
作者
何盈捷
刘惟一
不详
机构
[1] 云南大学计算机科学系
[2] 云南大学计算机科学系 昆明
[3] 昆明
关键词
Markov网; Bayesian网; CI(条件独立)测试; I-图; 联合概率函数;
D O I
暂无
中图分类号
TP181 [自动推理、机器学习];
学科分类号
摘要
Markov网 (马尔可夫网 )是类似于 Bayesian网 (贝叶斯网 )的另一种进行不确定性推理的有力工具 .Markov网是一个无向图 ,而 Bayesian网是一个有向无环图 .发现 Markov网不需要发现边的方向 ,因此要比发现Bayesian网容易得多 .提出了一种通过发现 Markov网得到等价的 Bayesian网的方法 .首先利用信息论中验证信息独立的一个重要结论 ,提出了一个基于依赖分析的边删除算法发现 Markov网 .该算法需 O(n2 )次 CI(条件独立 )测试 ,CI测试的时间复杂度取决于由样本数据得到的联合概率函数表的大小 .经证明 ,假如由样本数据得到的联合概率函数严格为正 ,则该算法发现的 Markov网一定是样本的最小 I图 .由发现的 Markov网 ,根据表示的联合概率函数相等 ,得到与其等价的 Bayesian网
引用
收藏
页码:87 / 99
页数:13
相关论文
共 5 条
  • [1] 贝叶斯网络结构学习分析
    王双成
    林士敏
    陆玉昌
    [J]. 计算机科学, 2000, (10) : 77 - 79
  • [2] 贝叶斯学习、贝叶斯网络与数据采掘
    林士敏
    田凤占
    陆玉昌
    [J]. 计算机科学, 2000, (10) : 69 - 72
  • [3] 学习信度网的结构
    邢永康
    沈一栋
    [J]. 计算机科学, 2000, (10) : 83 - 87+65
  • [4] 用贝叶斯网络进行因果分析
    王双成
    林士敏
    陆玉昌
    [J]. 计算机科学, 2000, (10) : 80 - 82+76
  • [5] Learning Bayesian Networks: The Combination of Knowledge and Statistical Data[J] . David Heckerman,Dan Geiger,David M. Chickering.Machine Learning . 1995 (3)