针对基于约束方法学习贝叶斯网络(BN)结构的不足,以及随着条件集的增大,利用统计方法进行条件独立(CI)测试不稳定等问题,提出一种......

贝叶斯网络是表示随机变量间依赖和独立关系的网络模型,也称为贝叶斯网、因果概率网络或信念网络.它将概率理论和图论相结合,为发......

链图是贝叶斯网络和马尔科夫网络的自然推广,具有较强的表达能力.但目前关于链图结构学习算法的研究较少.本文基于贝叶斯网络结构......

由数据构造贝叶斯网络结构是NP-难问题,根据互信息和条件独立测试,提出了一种构建最优贝叶斯网络结构的新算法。数值实验表明,新算......

目标变量的马尔科夫毯（MB）是用于预测其状态的最优特征子集。提出一种新的约束学习类MB推导算法FSMB，它遵循后向选择的搜索策略，并依赖......

针对遗传算法学习贝叶斯网存在的问题，提出一种基于骨架搜索的免疫遗传算法学习贝叶斯网等价类，该方法综合了基于约束和打分搜索的方......

基于条件约束的方法可从数据集中学习到变量间的因果关系,并构建出因果网络图.但是在高维数据情况下,基于条件约束方法的缺点是准......

针对小样本数据集下学习贝叶斯网络（Bayesian networks,BN）结构的不足,以及随着条件集的增大,利用统计方法进行条件独立（Conditional ......

针对当前的马尔可夫毯学习算法会引入不正确的父子节点和配偶节点的问题,提出了一种基于逻辑回归分析的马尔可夫毯学习算法RA-MMMB......

针对基于条件独立性测试贝叶斯网结构学习算法在删除完全图边时的不足，提出加入对节点Z和Y的互信息测试的改进算法，不但能充分考虑到......

针对I-B＆B-MDL算法的不足,提出了2点改进：一是仅利用0阶和部分1阶测试确定网络侯选连接图,在有效限制搜索空间的同时,减少了独立性测......

贝叶斯网络是概率统计与图论相结合的一种图模型，在不确定性知识的表达和推理方面具有独特优势，已成功地应用于机器学习、人工智能、......