基于信息论的Bayesian网络结构学习算法研究

Bayesian网是一种进行不确定性推理的有力工具,它结合图型理论和概率理论,可以方便地表示和计算我们感兴趣的事件概率,同时也是对实体之间依赖关系提供了一种紧凑、直观、有效的图形表示。文中基于信息论中测试信息独立理论,对Bayesian网中各结点进行条件独立(CI)测试,以发现各结点的条件依赖关系,并通过计算结点之间的互相依赖度以发现Bayesian网边的方向,从而构造Bayesian网结构,算法的计算复杂度只需要进行O(N2)次CI测试。

一种序决策表的特征选择算法

本文基于序意义下优势类的概念,提出了序决策表的一种条件依赖度,从而给出了序决策表中属性重要度的定义。在此基础上,设计了一种序决策表的特征选择算法,并通过实例分析对算法进行了有效性检验。