《计算机应用研究》|Application Research of Computers

基于互信息学习贝叶斯网络等价类

Learning Bayesian network equivalence classes based on mutual information

免费全文下载 (已被下载 次)  
获取PDF全文
作者 李冰寒,高晓利,刘三阳
机构 西安电子科技大学 理学院,西安 710071
统计 摘要被查看 次,已被下载
文章编号 1001-3695(2011)01-0081-03
DOI 10.3969/j.issn.1001-3695.2011.01.021
摘要 由数据构造贝叶斯网络结构是NP-难问题,根据互信息和条件独立测试,提出了一种构建最优贝叶斯网络结构的新算法。数值实验表明,新算法能较快地确定出与数据匹配程度最高的网络结构,从而能更高效地学习贝叶斯网络结构。
关键词 数据挖掘;贝叶斯网络;结构学习;连通图;互信息;条件独立测试
基金项目 国家自然科学基金资助项目(60674108,60705004)
本文URL http://www.arocmag.com/article/1001-3695(2011)01-0081-03.html
英文标题 Learning Bayesian network equivalence classes based on mutual information
作者英文名 LI Bing-han, GAO Xiao-li, LIU San-yang
机构英文名 School of Science, Xidian University, Xi'an 710071, China
英文摘要 Constructing Bayesian network structures from data is NP-hard.According to the mutual information and conditional independence test, this paper presented a new algorithm for the construction of the optimal Bayesian network structure.Numerical experiments show that the new algorithm can determined much faster the structure with highest degree of data matching, thus the study of Bayesian network structures become more efficient.
英文关键词 data mining; Bayesian network; structure learning; connected graph; mutual information; conditional independence test
参考文献 查看稿件参考文献
 
收稿日期
修回日期
页码 81-83
中图分类号
文献标志码 A