高维小采样数据集的贝叶斯网络结构学习算法 |
| |
引用本文: | 蔡贶,李春生. 高维小采样数据集的贝叶斯网络结构学习算法[J]. 齐齐哈尔大学学报(自然科学版), 2012, 28(4) |
| |
作者姓名: | 蔡贶 李春生 |
| |
作者单位: | 东北石油大学电气信息学院,黑龙江大庆,163318 |
| |
摘 要: | 现有的贝叶斯网络结构学习算法都需要对高维数据项集进行大量地计算,极大地影响了算法的可靠性、健壮性以及精确度,同时高维计算也耗费了大量时间,为了解决这个问题,提出基于特征选择技术贪婪贝叶斯网络结构学习算法。理论分析表明,本算法在效率上优于现有算法,实验结果也表明,对于高维相对小采样数据集,本算法在精度上也优于大多数算法。
|
关 键 词: | 贝叶斯网络 相关性 冗余性 启发式方法 |
A Bayesian network structure learning algorithm for high dimensional and relatively small sample dataset |
| |
Abstract: | |
| |
Keywords: | Bayesian network relevance redundancy heuristic method |
本文献已被 万方数据 等数据库收录! |
|