基于因果语义定向的贝叶斯网络结构学习

被引：3

作者：

王双成

张明

陈乃激

机构：

[1] 上海立信会计学院信息科学系

来源：

计算机工程与应用 | 2007年 / 08期

关键词：

贝叶斯网络; 结构学习; 依赖分析; 因果语义; 碰撞识别;

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：

基于变量之间基本依赖关系、基本结构、d-separation标准、依赖分析思想和混合定向策略,给出了一种有效实用的贝叶斯网络结构学习方法,不需要结点有序,并能避免打分-搜索方法存在的指数复杂性,以及现有依赖分析方法的大量高维条件概率计算等问题。

引用

页码：29 / 31

页数：3

共 5 条

[1] 具有丢失数据的可分解马尔可夫网络结构学习 [J].

王双成 ;

苑森淼 .

计算机学报, 2004, (09) :1221-1228

[2] 具有丢失数据的贝叶斯网络结构学习研究 [J].

王双成 ;

苑森淼 .

软件学报, 2004, (07) :1042-1048

[3]

Being Bayesian About Network Structure. A Bayesian Approach to Structure Discovery in Bayesian Networks[J] . Nir Friedman,Daphne Koller.Machine Learning . 2003 (1)

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

Heckerman, D .

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

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

COOPER, GF ;

HERSKOVITS, E .

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

← 1 →