贝叶斯网络结构稀疏学习研究进展

发布时间：2017-06-03 11:16

  本文关键词：贝叶斯网络结构稀疏学习研究进展，由笔耕文化传播整理发布。

【摘要】：贝叶斯网络结构稀疏化学习因其既能简化结构又能保留原始网络中的重要信息,已经成为当前贝叶斯网络的研究热点.文中首先讨论贝叶斯网络结构稀疏学习的必要性、贝叶斯网络稀疏性的定义,并在此基础上介绍现有的贝叶斯网络结构稀疏学习研究思路.然后,回顾一般的贝叶斯网络结构学习方法,并分析它们在高维背景下存在的问题,进而发现基于评分的方法通常适合于贝叶斯网络结构的稀疏学习,因此重点介绍贝叶斯网络结构稀疏学习的目标函数和优化求解算法.最后,探讨未来贝叶斯网络结构稀疏学习的一些研究方向.
【作者单位】： 山西财经大学信息管理学院;
【关键词】： 贝叶斯网络 结构学习 稀疏 目标函数 优化算法
【基金】：山西省自然科学基金项目(No.2014011022-2)资助~~
【分类号】：TP18
【正文快照】： 贝叶斯网络(Bayesian Networks,BNs)是一种用于表示大量随机变量概率分布的有效建模工具.它的学习过程包括结构学习和参数学习.结构学习是学习随机变量之间的依赖关系,并以有向无环图(Directed Acyclic Graph,DAG)的形式表示.参数学习量化每个变量相对于其父节点集的概率依赖

  本文关键词：贝叶斯网络结构稀疏学习研究进展，，由笔耕文化传播整理发布。

本文编号：418016