10.11772/j.issn.1001-9081.2014.04.1083
多维贝叶斯网络分类器结构学习算法
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.
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
34
TP391(计算技术、计算机技术)
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
2014-05-04(万方平台首次上网日期,不代表论文的发表时间)
共6页
1083-1088