贝叶斯网络分类器结构与变量分布的差异性分析
王中锋
王志海
付彬
1.北京交通大学,计算机与信息技术学院,北京,1000442.北京交通大学,计算机与信息技术学院,北京,1000443.北京交通大学,计算机与信息技术学院,北京,100044
摘要：为了提高鉴别式学习策略训练的贝叶斯网络分类器的分类精度,分析了贝叶斯网络结构与数据中变量分布之间的差异对贝叶斯网络分类器性能的影响,实验以网络结构的实际联合概率分布的树型近似描述为基准,删除在条件对数似然函数极大化过程中不起作用的边,生成具有同一联合概率分布的不同描述程度的网络结构.实验结果表明,只有当网络结构表现力不足时,鉴别式参数学习才能起积极作用;而当网络结构中有多余的边时,反而容易受其制约.从而验证了网络中多余的边对分类器性能没有影响的观点是片面的.
关键词：数据挖掘机器学习贝叶斯网络分类器结构学习参数学习鉴别式学习
分类号：TP311(计算技术、计算机技术)TP18(自动化基础理论)
资助基金：国家自然科学基金资助项目(60673089)国家自然科学基金资助项目(60973011)教育部博士点基金项目资助(20090009120007)
论文发表日期：2011-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 32-35,47 )
英文信息