-
题名基于课程学习权重集成的贝叶斯结构学习算法研究
- 1
-
-
作者
刘凯越
周鋆
-
机构
国防科技大学信息系统工程重点实验室
-
出处
《应用科技》
CAS
2024年第1期1-9,共9页
-
基金
国家自然科学基金项目(62276262)
湖南省科技创新计划(2021RC3076)
长沙市优秀青年创新者培训班项目(KQ2009009)。
-
文摘
从大量复杂的数据中学习贝叶斯网络(Bayesian network,BN)一直是一个难点问题,本文借鉴课程学习的思想,引入了一种适合于BN中节点之间互相影响程度的测量,然后划分课程阶段,分阶段构造无向图骨架,并利用优化函数对骨架进行优化;通过集成策略,将各个集成学习结果所得到的课程权重进行集合,并通过边过滤来减少错误边的出现;最后,通过爬山搜索构建BN结构。实验结果表明,在4个标准数据集上,本文所提方法具有较高的精确度和稳定性。与多种传统贝叶斯结构学习(Bayesian network structure learning,BNSL)方法相比,本文所提方法性能平均提高了37.18%。本文分析结果可为BNSL的增量学习过程进一步提供参考。
-
关键词
贝叶斯网络
结构学习
课程学习
权重
边约束
权重互信息
集成学习
无向图骨架
-
Keywords
Bayesian network
structure learning
curriculum learning
weight
edge constraint
weighted mutual information
ensemble learning
undirected graph skeleton
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
