文献类型：期刊文章

作　　者：王双成[1] 苑森淼[1] 王辉[2]

机构地区：[1]吉林大学计算机科学与技术学院,吉林长春130025 [2]东北师范大学计算机系,吉林长春130024

出　　处：《小型微型计算机系统》

基　　金：国家自然科学基金项目 ( 60 2 75 0 2 6)资助

年　　份：2004

卷　　号：25

期　　号：6

起止页码：968-971

语　　种：中文

收录情况：AJ、BDHX、BDHX2000、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：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  

分 类 号：TP391]