-
题名基于类约束的贝叶斯网络分类器学习
被引量：30
- 1
-
-
作者
王双成
苑森淼
王辉
-
机构
吉林大学计算机科学与技术学院
东北师范大学计算机系
-
出处
《小型微型计算机系统》
CSCD
北大核心
2004年第6期968-971,共4页
-
基金
国家自然科学基金项目 ( 60 2 75 0 2 6)资助
-
文摘
分类能力是人类经过学习得到的重要而基本的能力 ,也是机器学习、模式识别和数据采掘研究的核心问题 .在0 - 1损失率下 ,证明了基于类约束的贝叶斯网络分类器是最优分类器 .建立该分类器的核心问题是基于类约束属性贝叶斯网络结构学习 ,给出了学习属性贝叶斯网络结构的方法 ,在学习过程中使用了根据弧方向因果语义确定边方向的方法 ,并和碰撞识别定向相结合 ,在边定向之后进行冗余弧检验 ,解决了目前冗余边检验在定向之前所导致的问题 ,显著提高了结构学习效率和准确性 .并使用模拟数据进行了分类实验和分析 .
-
关键词
贝叶斯网络分类器
0-1损失率
因果语义
碰撞识别
-
Keywords
bayesian network classifiers
zero-one loss rate
causal semanitics
collider identification
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于贝叶斯网络理论的TAN分类器无向依赖扩展
被引量：3
- 2
-
-
作者
王双成
张邦佐
王辉
苑森淼
-
机构
上海立信会计学院信息科学系
东北师范大学计算机系
吉林大学计算机科学与技术学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2005年第1期42-45,共4页
-
基金
国家自然科学基金项目 (60 2 75 0 2 6)资助
-
文摘
基于贝叶斯网络理论 ,对 TAN分类器进行无向网络依赖扩展 ,把属性变量之间的树结构扩展成可分解马尔科夫网络 ,使经过依赖扩展得到的分类器能够充分利用属性变量之间的依赖信息 ,提高分类能力 ,并能够通过调节阈值大小避免过度拟合 .
-
关键词
TAN分类器
可分解马尔科夫网络
贝叶斯网络
0-1损失率
最大完全子图
-
Keywords
TAN classifier
decomposable Markov network
Bayesian network
zero- one loss rate
clique
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
