10.3969/j.issn.1003-6059.2006.05.001
具有隐藏变量的贝叶斯网络结构学习
目前,学习具有隐藏变量的贝叶斯网络结构主要采用结合EM算法的打分-搜索方法,其效率和可靠性低.本文针对此问题建立一种新的具有隐藏变量贝叶斯网络结构学习方法.该方法首先依据变量之间基本依赖关系、基本结构和依赖分析思想进行不考虑隐藏变量的贝叶斯网络结构学习,然后利用贝叶斯网络道德图中的Cliques发现隐藏变量的位置,最后基于依赖结构、Gibbs sampling和MDL标准确定隐藏变量的取值、维数和局部结构.该方法能够避免标准Gibbs sampling的指数复杂性问题和现有学习方法存在的主要问题.实验结果表明,该方法能够有效进行具有隐藏变量的贝叶斯网络结构学习.
隐藏变量、贝叶斯网络、结构学习、Gibbs抽样、依赖分析
19
TP181(自动化基础理论)
国家自然科学基金项目60275026;上海市重点学科项目P1601;上海市教委重点项目05zz66
2009-08-19(万方平台首次上网日期,不代表论文的发表时间)
共6页
561-566