Bayesian网中概率参数学习方法

被引：9

作者：

薛万欣

刘大有

张弘

机构：

[1] 北京联合大学管理学院

[2] 吉林大学计算机科学技术学院

[3] 吉林大学计算机科学技术学院北京

[4] 吉林长春

来源：

电子学报 | 2003年 / 11期

关键词：

Bayesian网; 条件概率; 参数分布;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

Bayesian网已经成为AI领域的研究热点 ,并在现代专家系统、诊断系统及决策支持系统中发挥着至关重要的作用 .Bayesian网的研究主要集中在三个方面 :知识表示、学习与推理 .概率知识是Bayesian网坚实的数学基础 ,从数据中学习分布参数使得Bayesian网逐步走向现实应用 .本文介绍和比较了概率参数学习的各种常用方法 ,并探求了它们在不同应用背景下的优缺点 .基于经典统计学的方法理论成熟 ,计算简单 ,但它只利用了实例数据集合所提供的信息 ,无法加入专家知识 ,对实例数据的依赖性大 ;基于Bayesian有机结合了两类信息 ,对实例数据的依赖性降低 ,学习结果更加准确 .参数学习是Bayesian网学习的基础 ,是Bayesian网结构学习必不可少的部分 .

引用

页码：1686 / 1689

页数：4