论文部分内容阅读
贝叶斯网络结构是一种将贝叶斯概率方法和有向无环图的网络拓扑结构有机结合的表示模型，它描述了数据项及其依赖关系，并根据各个变量之间概率关系建立图论模型，但是如何获取具有丢失数据的网络结构是一个急需解决的问题．本文提出一个基于Kullback-Leibler（KL）散度的贝叶斯网络结构学习的KLBN（Kullback-Leibler Bayesian Network）算法．实验结果表明，KLBN算法在可靠性方面明显优于传统的具有丢失数据的贝叶斯网络结构学习算法．