10.3969/j.issn.1673-4785.2007.06.012
用于因果分析的混合贝叶斯网络结构学习
目前主要结合扩展的熵离散化方法和打分-搜索方法进行混合贝叶斯网络结构学习,算法效率和可靠性低,而且易于陷入局部最优结构.针对问题建立了一种新的混合贝叶斯网络结构迭代学习方法.在迭代中,基于父结点结构和Gibbs sampling进行混合数据聚类,实现对连续变量的离散化,再结合贝叶斯网络结构优化调整,使贝叶斯网络结构序列逐渐趋于稳定,可避免使用扩展的熵离散化和打分-搜索所带来的主要问题.
因果分析、混合贝叶斯网络、最大似然树、Gibbs抽样
2
TP18(自动化基础理论)
国家自然科学基金60675036;上海市学科科研项目P1601;上海市教委资助项目05zz66
2008-03-05(万方平台首次上网日期,不代表论文的发表时间)
共8页
82-89