贝叶斯网络结构学习方法研究

被引:5
作者
袁志刚
傅彦
李欣宇
机构
[1] 电子科技大学计算机科学与工程学院
关键词
贝叶斯网络; 模型选择; 最小描述长度; 数据集给定模型联合概率;
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
摘要
介绍贝叶斯网络结构学习的两种方法:渐进正确结构学习和启发搜索方法,并重点对最小描述长度测度函数MDL和DGM测度函数进行了分析比较,提出了一个两阶段从数据集中学习贝叶斯网络(BN)结构的有效算法。首先,第一阶段采用以信息论为基础的渐进正确的结构学习方法来有效的搜索可能的网络空间,构造一个候选网络;然后,采用启发搜索的方法来精简这个候选网络。使用这种分两阶段学习的方法比单纯使用一种方法来获取BN结构更精确和有效率。
引用
收藏
页码:389 / 392
页数:4
相关论文
共 1 条
  • [1] Stochastic.Complexity in Statistical Inquiry. Rissanen J. World Scientific . 1989