首页 | 本学科首页   官方微博 | 高级检索  
     

马尔科夫网络中的隐藏变量学习
引用本文:王辉,王双成,张剑飞. 马尔科夫网络中的隐藏变量学习[J]. 小型微型计算机系统, 2005, 26(3): 348-351
作者姓名:王辉  王双成  张剑飞
作者单位:1. 东北师范大学,计算机学院,吉林,长春,130024
2. 上海立信会计学院,信息科学系,上海,201600
3. 东北师范大学,计算机学院,吉林,长春,130024;齐齐哈尔大学,信息科学与电气工程学院,黑龙江,齐齐哈尔,161006
基金项目:国家自然科学基金(60275026)资助,吉林省自然科学基金(20030517-1)的资助.
摘    要:吗尔科夫网络中的隐藏变量学习是一个重要而困难的研究课题.关于隐藏变量需要解决三个问题,它们是隐藏变量的位置,维数和取值,局部结构.根据马尔科夫网络中的Clique确定隐藏变量的位置;然后基于依赖结构和Gibbs sampling确定隐藏变量的取值和维数;最后利用MDL标准进行局部打分确定局部结构.试验结果表明,该方法能够有效地进行马尔科夫网络的隐藏变量学习.

关 键 词:马尔科夫网络 隐藏变量 Gibbs抽样 MDL标准
文章编号:1000-1220(2005)03-0348-04

Learning Hide Variables in Markov Network
WANG Hui,WANG Shuang-cheng,ZHANG Jian-fei. Learning Hide Variables in Markov Network[J]. Mini-micro Systems, 2005, 26(3): 348-351
Authors:WANG Hui  WANG Shuang-cheng  ZHANG Jian-fei
Affiliation:WANG Hui1,WANG Shuang-cheng2,ZHANG Jian-fei~1,3 1
Abstract:It is an important and difficult research project to learn hide variables in Markov network. Three problems should be solved when learning hide variable in Markov network. They are the location, dimension and values and local structure about hide variable. In this paper, They are respectively made sure by the clique in Markov network, combining dependency structure and Gibbs sampling and MDL criterion. Experimental results show that this method is effective in learning hide variables in Markov network.
Keywords:Markov networks  hide variable  Gibbs sampling  MDL criterion
本文献已被 CNKI 维普 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号