收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于融合先验方法的贝叶斯网络结构学习

高晓光  叶思懋  邸若海  寇振超  
【摘要】:从数据中学习贝叶斯网络结构是一个非确定性多项式困难(non-deterministic polynomial hard,NP-hard)问题,当数据样本不充分时难以获得准确的模型,此时利用先验信息是一种有效的途径。但是利用先验信息的过程中如何适应不正确的先验信息,是一个待解决的问题。针对此问题,提出一种融合先验的方法进行贝叶斯网络结构学习,在评分搜索法的两个环节中解决这个问题:第一,提出了新的融合不确定先验信息的评分函数,考虑了先验信息与数据集的权衡。第二,提出了融合不确定先验信息的搜索策略,增强先验信息利用的鲁棒性。所提方法适用于任何启发式搜索。仿真结果表明了所提方法能有效地利用正确的先验信息,而且对错误的先验信息有较强的适应能力。

知网文化
【相似文献】
中国期刊全文数据库 前4条
1 张燕,袁书卿,鲁汉榕;一种使用启发式搜索优化的模糊规则分类方法[J];计算机工程与应用;2004年01期
2 谷文祥;王改革;殷明浩;孙焱;;图规划框架下的启发式搜索的研究与发展[J];计算机科学;2009年11期
3 章伟雄;关于启发式搜索中加权技术有效性的一个注记[J];上海交通大学学报;1989年05期
4 吴值民;邹赟波;康兴挡;卢厚清;;学生面试问题[J];数学的实践与认识;2007年14期
中国博士学位论文全文数据库 前1条
1 雷菊阳;复杂环境下动态系统结构学习[D];上海交通大学;2009年
中国硕士学位论文全文数据库 前4条
1 李国梁;贝叶斯网络结构学习的混合优化方法研究[D];西北工业大学;2015年
2 李硕豪;基于图分块的贝叶斯网络结构学习研究[D];国防科学技术大学;2014年
3 李大为;基于图规划和启发式搜索的一致性规划求解[D];吉林大学;2013年
4 马燕;高斯图模型的结构学习及应用[D];西北大学;2017年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978