| 对一种贝叶斯网络学习算法的改进及试验分析 |
| |
| 引用本文： | 张宏伟,田风占,陆玉昌.对一种贝叶斯网络学习算法的改进及试验分析[J].计算机科学,2002,29(5):97-100. |
| |
| 作者姓名： | 张宏伟 田风占 陆玉昌 |
| |
| 作者单位： | 清华大学计算机科学与技术系,智能技术与系统国家重点实验室,北京,100084 |
| |
| 基金项目： | 自然基金(79990580)，973项目(G1998030414)，清华信息学院基础研究资助 |
| |
| 摘 要： | 贝叶斯网络是上世纪80年代发展起来的一种概率图形模型,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。然而由于贝叶斯网络的推理和贝叶斯网络的学习问题都是NP难的,其实际应用受到很大限制。贝叶斯网络推理是利用它进行决策、诊断、分类、预测等应用的基础,其本质任务是计算边缘概率分布。当网络比较复杂时,推理将变得不可行。多模块的贝叶斯网络(MSBN)从简化模型本身出发,对贝叶斯网络进行了扩展。我们则提出了一种用于MSBN中的近似推理算法,这些都大大拓宽了贝叶斯网络的应用领域。
|
| 关 键 词： | 贝叶斯网络 学习算法 随机变量 概率图形模型 数据库 |
Improvement to a Dependency Analysis Based Bayesian Network Learning Algorithm and Experiments |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
点击此处可从《计算机科学》下载全文 |
|
