| 具有丢失数据的贝叶斯网络结构学习研究 |
| |
| 作者姓名： | 王双成 苑森淼 |
| |
| 作者单位： | 吉林大学,计算机科学与技术学院,吉林,长春,130025 |
| |
| 基金项目： | Supported by the National Natural Science Foundation of China under Grant No.60275026(国家自然科学基金);the NaturalScience Foundation of Jilin Province of China under GrantNo.20030517-1(吉林省自然科学基金) |
| |
| 摘 要： | 目前主要基于EM算法和打分-搜索方法进行具有丢失数据的贝叶斯网络结构学习,算法效率较低,而且易于陷入局部最优结构.针对这些问题,建立了一种新的具有丢失数据的贝叶斯网络结构学习方法.首先随机初始化未观察到的数据,得到完整的数据集,并利用完整数据集建立最大似然树作为初始贝叶斯网络结构,然后进行迭代学习.在每一次迭代中,结合贝叶斯网络结构和Gibbs sampling修正未观察到的数据,在新的完整数据集的基础上,基于变量之间的基本依赖关系和依赖分析思想调整贝叶斯网络结构,直到结构趋于稳定.该方法既解决了标准Gi
|
| 关 键 词： | 贝叶斯网络 结构学习 丢失数据 Gibbs抽样 依赖分析 最大似然树 |
| 文章编号： | 1000-9825/2004/15(07)1042 |
| 收稿时间： | 2003-01-20 |
| 修稿时间： | 2003-01-20 |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《软件学报》浏览原始摘要信息 |
|
点击此处可从《软件学报》下载免费的PDF全文 |
|
