融合先验信息的贝叶斯网络结构学习方法

发布时间：2017-10-17 18:35

  本文关键词：融合先验信息的贝叶斯网络结构学习方法

  更多相关文章： 贝叶斯网络 结构学习 信念图 非确定性先验信息 模拟退火 最小描述长度

【摘要】：在贝叶斯网络结构学习的过程中,如何采集先验信息并合理利用它对于构建准确的网络结构非常重要。鉴于此,依据有先验信息的贝叶斯网络结构学习的三个环节:先验信息的采集、先验信息的融合和网络结构的优化,首先讨论了现有先验信息获取方法的不足,并提出了基于信念图的先验信息获取方法;其次针对所获取的先验信息通常具有一定的不确性,对最小描述长度测度进行了改进以融合非确定性先验信息;最后依据问题特性对模拟退火算法进行了适当的修改以更好地优化网络结构。实验表明,提出的结构学习方法能够有效地提高网络结构的学习精度。
【作者单位】： 国防科学技术大学信息系统与管理学院;
【关键词】： 贝叶斯网络 结构学习 信念图 非确定性先验信息 模拟退火 最小描述长度
【基金】：国家自然科学基金(61074107,91024015)资助课题
【分类号】：C93;O212.8
【正文快照】： 0引言贝叶斯网络以其坚实的理论基础、灵活的推理能力、方便的决策机制而成为许多领域的研究热点,其中贝叶斯网络结构学习是目前讨论最为广泛的问题之一。贝叶斯网络结构学习通常具有如下两个特点:一是可用的数据样本非常有限;二是存在可用的网络结构信息。因此,为了获得准确

【参考文献】

中国期刊全文数据库 前8条

1 周晓光;张强;;模糊群决策中专家意见的汇总研究[J];北京理工大学学报;2009年10期

2 刘洋;樊治平;;一种具有多粒度不确定语言信息的群决策方法[J];东北大学学报(自然科学版);2009年04期

3 李武;王丽娜;陈妍;;逼近群体理想解的多属性群决策新方法[J];华中科技大学学报(自然科学版);2009年02期

4 邢永康;沈一栋;;学习信度网的结构[J];计算机科学;2000年10期

5 王中锋;王志海;付彬;;一种局部打分搜索型限制性贝叶斯网络结构学习算法[J];南京大学学报(自然科学版);2009年05期

6 杨p，

本文编号：1050409