混合式贝叶斯网络结构增量学习算法研究
DOI:
CSTR:
作者:
作者单位:

北京大学 信息科学技术学院 智能科学系 视觉与听觉教育部重点实验室

作者简介:

史达

通讯作者:

中图分类号:

TP181

基金项目:


A new hybrid incremental learning algorithm for Bayesian network structures
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    提出一种混合式贝叶斯网络结构增量学习算法. 首先提出多项式时间的限制性学习技术, 为每个变量建立候选父节点集合; 然后, 依据候选父节点集合, 利用搜索技术对当前网络进行增量学习. 该算法的复杂度显著低于目前最优的贝叶斯网络增量学习算法. 理论与实验均表明, 所处理的问题越复杂, 该算法在计算复杂度方面的优势越明显.

    Abstract:

    A hybrid incremental learning algorithm for Bayesian network structures is proposed. A polynomial time constraint-based technique is developed to build up a candidate parent-set for each variable, and then a search-and-score technique is employed to refine the current network structure under the guidance of those candidate parent-sets. Experiment
    results show that the algorithm offers considerable computational savings while always obtaining slightly better results on model accuracy compared to the existing incremental algorithms. The more complex the real world problems are, the more significant the advantage on computational complexity the algorithm keeps over the existing incremental algorithms is.

    参考文献
    相似文献
    引证文献
引用本文

史达 谭少华.混合式贝叶斯网络结构增量学习算法研究[J].控制与决策,2010,25(6):925-928

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2009-05-06
  • 最后修改日期:2009-12-30
  • 录用日期:
  • 在线发布日期: 2010-06-20
  • 出版日期:
文章二维码