10.3778/j.issn.1002-8331.1307-0003
基于密度核估计的贝叶斯网络结构学习算法
贝叶斯网络结构学习算法主要包括爬山法和K2算法等,但这些方法均要求面向大样本数据集。针对实际问题中样本集规模小的特点,通过引入概率密度核估计方法以实现对原始样本集的拓展,利用K2算法进行贝叶斯网络结构学习。通过优化选择核函数和窗宽,基于密度核估计方法实现了样本集的有效扩展;同时基于互信息度进行变量顺序的确认,进而建立了小规模样本集的贝叶斯结构学习算法。仿真结果验证了新学习算法的有效性和实用性。
贝叶斯网络、小样本结构学习、K2算法
TP181(自动化基础理论)
国家重点基础研究发展规划973No.2009CB824900;国家自然科学基金No.61175008,No.60935001;航天支撑基金No.2011-HT-SHJD002。
2014-08-27(万方平台首次上网日期,不代表论文的发表时间)
共6页
107-112