多维贝叶斯网络分类器结构学习算法

摘要：

传统多维贝叶斯网络分类器(MBNC)限制其模型结构必须是二分的,通过移除该限制可得到更准确的对关联分布建模的通用MBNC(GMBNC).基于局部马尔可夫毯的迭代搜索,提出可准确学习GMBNC的算法IPC-GMBNC.该算法由于无需学习全局贝叶斯网络(BN),可扩展性强.基于已知贝叶斯网络模型而随机生成的数据上所执行的实验显示,IPC-GMBNC可有效推导出目标结构;而且与传统的全局结构学习算法PC相比,IPC-GMBNC可节省大量的计算量.

关键词：多标签分类、多维分类、多维贝叶斯网络分类器、贝叶斯网络、马尔可夫毯

所属期刊栏目：34

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61305058,61300139;中央高校基本科研基金资助项目11J0263;厦门科技计划基金资助项目3505Z20133027;华侨大学科研基金资助项目11Y0274,12HJY18

在线出版日期：2014-05-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1083-1088