| 一种利用不可行解的贝叶斯网学习算法 |
| |
| 作者姓名： | 李小琳 何湘东 陈传明 |
| |
| 作者单位： | 1. 南京大学,管理学院,江苏,南京,210093
2. 南京大学,网络信息中心,江苏,南京,210093 |
| |
| 基金项目： | 国家自然科学基金资助项目,教育部人文社会科学一般资助项目,中国博士后科学基金资助项目,江苏省博士后科研资助计划,南京大学人才引进培养基金 |
| |
| 摘 要： | 现有的基于打分搜索的贝叶斯网学习方法都是利用满足有向无环图的可行解进行学习.在搜索过程中遇到不可行解时,这类算法简单地去除不可行解或将不可行解转化为可行解.然而,有的不可行解中往往蕴含着有价值的信息.本文提出一种新的贝叶斯网学习方法ISEC,同时利用可行解和不可行解学习贝叶斯网络,并提出针对不可行解的选择策略,在学习过程中可以有效地利用不可行解中的有用信息.实验结果表明,ISEC能够比仅利用可行解的方法更快地学习到更优的贝叶斯网.
|
| 关 键 词： | 机器学习 贝叶斯网 结构学习 最小描述长度 进化计算 |
| 收稿时间： | 2009-03-12 |
| 修稿时间： | 2010-04-06 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《同济大学学报(自然科学版)》浏览原始摘要信息 |
|
点击此处可从《同济大学学报(自然科学版)》下载全文 |
|
