基于贝努里分布的贝叶斯网络结构学习算法

计算机科学 ›› 2008, Vol. 35 ›› Issue (1): 168-170.

基于贝努里分布的贝叶斯网络结构学习算法

出版日期:2018-11-16 发布日期:2018-11-16
基金资助:
国家自然基金项目（60472017,30670699）资助课题.

Online:2018-11-16 Published:2018-11-16

摘要/Abstract

摘要： 目前，学习具有丢失数据的贝叶斯网络结构主要采用结合EM算法的打分一搜索方法和基于依赖分析的思想，其效率和可靠性比较低。本文针对此问题建立一个新的具有丢失数据的贝叶斯网络结构学习算法。该方法首先根据贝努里分布来表示数据库中变量结点之间的关系，并用Kullback-Leibler（KL）散度来表示同一结点的各个案例之间的相似程度，然后根据Gibbs取样来得出丢失数据的取值。最后，用启发式搜索完成贝叶斯网络结构的学习。该方法能够有效避免标准Gibbg取样的指数复杂性问题和现有学习方法存在的主要问题。

关键词: 贝努里分布 KL散度贝叶斯网络 Gibbs取样

Abstract: At present, the algorithm of learning bayesian structure with missing data is mainly based on the search and scoring method combined with EM algorithm. The algorithm has low efficiency. In this paper , a new algorithm of learning Bayesian network structur

Key words: Bernoulli distribution, Kullback-Leibler divergence, Bayesian network, Gibbs sampling

. 基于贝努里分布的贝叶斯网络结构学习算法[J]. 计算机科学, 2008, 35(1): 168-170. https://doi.org/

参考文献

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed