-
题名先验信息不确定条件下贝叶斯网结构学习方法
被引量:3
- 1
-
-
作者
王磊
刘明辉
王维平
-
机构
国防科技大学信息系统与管理学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2010年第16期39-41,70,共4页
-
文摘
针对先验信息不确定条件下的贝叶斯网络学习问题,提出了一种非确定先验结构信息贝叶斯网络的结构学习方法。主要在以下几个方面开展了工作:提出了一种贝叶斯网络结构的不确定先验信息表示方法;改进了MDL测度,提出了SMDL测度,使之能在学习过程中考虑先验信息的不确定性;基于模拟退火算法,对问题进行求解。最后通过实验对算法的可行性进行了验证。
-
关键词
贝叶斯网络
结构学习
非确定先验信息
模拟退火
-
Keywords
Bayesian network
structure learning
uncertain prior information
simulated annealing
-
分类号
TP393.02
[自动化与计算机技术—计算机应用技术]
-
-
题名融合先验信息的贝叶斯网络结构学习方法
被引量:12
- 2
-
-
作者
吴红
王维平
杨峰
-
机构
国防科学技术大学信息系统与管理学院
-
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2012年第12期2585-2591,共7页
-
基金
国家自然科学基金(61074107
91024015)资助课题
-
文摘
在贝叶斯网络结构学习的过程中,如何采集先验信息并合理利用它对于构建准确的网络结构非常重要。鉴于此,依据有先验信息的贝叶斯网络结构学习的三个环节:先验信息的采集、先验信息的融合和网络结构的优化,首先讨论了现有先验信息获取方法的不足,并提出了基于信念图的先验信息获取方法;其次针对所获取的先验信息通常具有一定的不确性,对最小描述长度测度进行了改进以融合非确定性先验信息;最后依据问题特性对模拟退火算法进行了适当的修改以更好地优化网络结构。实验表明,提出的结构学习方法能够有效地提高网络结构的学习精度。
-
关键词
贝叶斯网络
结构学习
信念图
非确定性先验信息
模拟退火
最小描述长度
-
Keywords
Bayesian network
structure learning
belief map
uncertain prior information
simulated annealing
minimum description length
-
分类号
TJ765.2
[兵器科学与技术—武器系统与运用工程]
-
-
题名贝叶斯网络学习算法研究
被引量:3
- 3
-
-
作者
付丹丹
-
机构
大庆师范学院计算机科学与信息技术学院
-
出处
《大庆师范学院学报》
2011年第3期36-38,共3页
-
基金
大庆师范学院青年基金研究项目(09ZQ06)
-
文摘
贝叶斯网络是一种概率图形模型,它提供了不确定性环境下的知识表示、推理、学习手段,可以完成决策、诊断、预测、分类等任务,已广泛应用于数据挖掘、语音识别、工业控制、经济预测、医疗诊断等诸多领域。贝叶斯网络将概率理论和图论相结合,为解决不确定性问题提供了一种自然而直观的方法。在对贝叶斯网络全面概述的基础上,深入研究了贝叶斯网络的结构学习。
-
关键词
贝叶斯网络
数据挖掘
自学习
结构学习
非确定先验信息
-
Keywords
bayesian networks
data mining
learning algorithm
structure learning
uncertain prior information
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-