文献类型：期刊文章

作　　者：王双成[1] 李小琳[2] 侯彩虹[1]

机构地区：[1]上海立信会计学院信息科学系,上海201620 [2]南京大学软件技术国家重点实验室,江苏南京210093

出　　处：《智能系统学报》

基　　金：国家自然科学基金资助项目(60675036);上海市重点学科基金资助项目(P1601);上海市教委重点基金资助项目(05zz66).

年　　份：2007

卷　　号：2

期　　号：6

起止页码：82-89

语　　种：中文

收录情况：CSA、CSA-PROQEUST、IC、INSPEC、JST、RCCSE、ZGKJHX、普通刊

摘　　要：目前主要结合扩展的熵离散化方法和打分-搜索方法进行混合贝叶斯网络结构学习,算法效率和可靠性低,而且易于陷入局部最优结构.针对问题建立了一种新的混合贝叶斯网络结构迭代学习方法.在迭代中,基于父结点结构和Gibbs sampling进行混合数据聚类,实现对连续变量的离散化,再结合贝叶斯网络结构优化调整,使贝叶斯网络结构序列逐渐趋于稳定,可避免使用扩展的熵离散化和打分-搜索所带来的主要问题.

关 键 词：因果分析  混合贝叶斯网络 最大似然树  GIBBS抽样

分 类 号：TP183]