贝叶斯网络的参数学习研究

被引：17

作者：

李晓毅 ^{[1
]}

徐兆棣 ^{[1
]}

孙笑微 ^{[2
]}

机构：

[1] 沈阳师范大学数学与系统科学学院

[2] 不详

来源：

沈阳农业大学学报 | 2007年 / 01期

关键词：

贝叶斯网络; 网络结构; 参数学习; 狄利克雷分布; 数据采掘;

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：

贝叶斯网络是数据采掘的一个非常有效的工具,它能够定性和定量地分析属性之间的依赖关系,进行概率推理。在给出贝叶斯网络相关概念后,讨论了贝叶斯网络在离散型、连续型和混合型3种情况下的参数学习计算公式;利用给定样本数据,对具有完整数据和不具有完整数据的贝叶斯网络,学习网络参数,更新网络变量原有的先验分布;从理论上给出两种不同类型下的参数学习公式。

引用

页码：125 / 128

页数：4

共 8 条

[1] A BAYESIAN METHOD FOR THE INDUCTION OF PROBABILISTIC NETWORKS FROM DATA [J].

COOPER, GF ;

HERSKOVITS, E .

MACHINE LEARNING, 1992, 9 (04) :309-347

[2]

Bayesian Network Classifiers[J] . Nir Friedman,Dan Geiger,Moises Goldszmidt. &nbspMachine Learning . 1997 (2)

[3]

Efficient Approximations for the Marginal Likelihood of Bayesian Networks with Hidden Variables[J] . David Maxwell Chickering,David Heckerman. &nbspMachine Learning . 1997 (2)

[4]

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

[5] 多个总体分组数据参数的单边估计与检验 [J].

张宝学 ;

史宁中 ;

李馨 .

东北师大学报(自然科学版), 1999, (02) :117-121

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

Heckerman, D .

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

[7]

Comparing bayesian network classifiers. CHENG J,GREINER R. Proceedings of the Fifteenth Conference on Uncertainty inArtificial Intelligence . 1999

[8]

Bayesian classification(auto class):theory and results. CHEESEMAN P,STUTZ J. Networks of Plausible Inference . 1994

← 1 →