贝叶斯网参数学习中连续变量离散化方法研究

摘要：

连续变量离散化是贝叶斯网络参数学习中面临的一个重要问题,它的好坏将直接影响到贝叶斯网络的推理效果.目前缺少一种有效的手段用于评价连续变量离散化的好坏,通过研究,提出了推理信息量的概念,并采用作为衡量连续变量离散化好坏的标准.在连续变量离散化的过程中,采用遗传算法通过迭代的方式寻求最优解,其中,推理信息量作为衡量个体适应度的标准.实例分析证明,推理信息量大的推理效果好要优于推理信息量小的推理效果.

关键词：参数学习、推理信息量、离散化方法、遗传算法

所属期刊栏目：26

分类号：TP31(计算技术、计算机技术)

在线出版日期：2009-12-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：136-139,260