基于领域知识的贝叶斯网络结构学习算法

被引：5

作者：

莫富强

王浩

姚宏亮

俞奎

机构：

[1] 合肥工业大学计算机与信息学院

来源：

计算机工程与应用 | 2008年 / 16期

基金：

安徽省自然科学基金;

关键词：

贝叶斯网络; 领域知识; 缺省数据; KB-SEM;

D O I：

暂无

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：

针对SEM算法在缺省数据学习中存在精度偏低和收敛速度缓慢的问题,通过将领域知识引入到SEM算法中,提出了KB-SEM算法,该算法首先用D-S证据理论综合领域知识,然后将采集的知识以禁忌表的方式嵌入SEM中来限制和引导算法的搜索路径,缩小算法的搜索空间。实验表明,KB-SEM算法能有效地提高算法的学习精度和时间性能,且能在一定程度上避免主观偏见和数据噪音的干扰。

引用

页码：34 / 36+41 +41

页数：4

共 4 条

[1] Bayesian networks for data mining [J].

Heckerman, D .

DATA MINING AND KNOWLEDGE DISCOVERY, 1997, 1 (01) :79-119

[2]

Learning Bayesian Networks: The Combination of Knowledge and Statistical Data[J] . David Heckerman,Dan Geiger,David M. Chickering.Machine Learning . 1995 (3)

[3] UPPER AND LOWER PROBABILITIES INDUCED BY A MULTIVALUED MAPPING [J].

DEMPSTER, AP .

ANNALS OF MATHEMATICAL STATISTICS, 1967, 38 (02) :325-&

[4]

K-Cap[P]. WHITE DESHAWN[US].中国专利:US2025011047A1,2025-01-09

← 1 →