资料下载
×
一种改进的贝叶斯网络结构学习算法
消耗积分:1 |
格式:rar |
大小:1.08 MB |
2018-01-30
分享资料个
贝叶斯网络（ Bayesian Network，BN）又被称为信念网络，它是基于概率推理的图形化网络并且是一种不确定性知识推理和分析的有效工具。贝叶斯网络具有坚实的理论基础，将概率论和网络模型相结合来描述变量之间的相互关系。随着近年来信息科技的发展，贝a斯网络被广泛应用于各领域，如工业生产应用、金融预测分析、计算机系统、生物信息处理等。
在引入最大信息系数的基础上，提出一种改进的贝叶斯网络结构学习算法。在给定数据集的条件下，基于最大信息系数对变量间的关联度进行检测，根据筛选因子和关联度构造贝叶斯网络的初始化结构，并结合贪婪算法对初始网络结构进行局部优化，将局部最优解进行整合形成全局最优解，生成最终的网络结构。在Asia和Car基准网络上的实验结果表明，与基于传统贪婪算法、随机K2算法的贝叶斯网络结构学习算法相比，该算法可以学习到与基准网络更相近的贝叶斯网络结构，并且具有较高的正确边均值和分类准确率。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
