贝叶斯网络结构学习及其应用研究

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

贝叶斯网络结构学习及其应用研究

黄解军, 万幼川, 潘和平

文章导航 > 武汉大学学报 ● 信息科学版 > 2004 > 29(4): 315-318

黄解军, 万幼川, 潘和平. 贝叶斯网络结构学习及其应用研究[J]. 武汉大学学报 ● 信息科学版, 2004, 29(4): 315-318.

引用本文:

黄解军, 万幼川, 潘和平. 贝叶斯网络结构学习及其应用研究[J]. 武汉大学学报 ● 信息科学版, 2004, 29(4): 315-318.

HUANG Jiejun, WAN Youchuan, PAN Heping. Bayesian Network Structure Learning and Its Applications[J]. Geomatics and Information Science of Wuhan University, 2004, 29(4): 315-318.

Citation:

HUANG Jiejun, WAN Youchuan, PAN Heping. Bayesian Network Structure Learning and Its Applications[J]. Geomatics and Information Science of Wuhan University, 2004, 29(4): 315-318.

贝叶斯网络结构学习及其应用研究

武汉大学遥感信息工程学院, 武汉市珞喻路129号, 430079

基金项目: 国家自然科学基金资助项目(60175022)

作者简介:
黄解军,博士生。研究方向为数据挖掘与数据仓库等。E-mail:hjjtk@21cn.com

中图分类号: TP18;TP311

Bayesian Network Structure Learning and Its Applications

School of Remote Sensing and Information Engineering, Wuhan University, 129 Luoyu Road, Wuhan 430079, China

摘要: 阐述了贝叶斯网络结构学习的内容与方法,提出一种基于条件独立性(CI)测试的启发式算法。从完全潜在图出发,融入专家知识和先验常识,有效地减少网络结构的搜索空间,通过变量之间的CI测试,将全连接无向图修剪成最优的潜在图,近似于有向无环图的无向版。通过汽车故障诊断实例,验证了该算法的可行性与有效性。
- 贝叶斯网络 /
- 结构学习 /
- 条件独立性 /
- 概率推理 /
- 图论
Abstract: This paper discusses the purposes and methods of Bayesian network structure learning, then proposes a new algorithm for this task. Based on a fully connected potential graph, we enter the expert knowledge and prior knowledge in order to reduce the query space of the structures. By using CI (conditional independence) tests, it can be pruned a fully connected potential graph to a best PG, which is expected to approximate the undirected version of the underlying directed graph. The experimental results of fault diagnosis in automobile are provided to illustrate the feasibility and efficiency of the new algorithm.
- Bayesian network /
- structure learning /
- conditional independence /
- probabilistic reasoning /
- graph theory

[1]	袁修孝, 袁巍, 陈时雨. 基于图论的遥感影像误匹配点自动探测方法 . 武汉大学学报 ● 信息科学版, 2018, 43(12): 1854-1860. doi: 10.13203/j.whugis20180154
[2]	李林阳, 吕志平, 崔阳, 王宇谱, 吕浩, 宫晓春. 大规模GNSS基线向量网抗差并行贝叶斯估计 . 武汉大学学报 ● 信息科学版, 2016, 41(10): 1385-1390. doi: 10.13203/j.whugis20140763
[3]	眭海刚, 华凤, 范一大, 刘俊怡. 利用GIS与贝叶斯网络进行高分辨率SAR影像道路损毁信息提取 . 武汉大学学报 ● 信息科学版, 2016, 41(5): 578-583. doi: 10.13203/j.whugis20140323
[4]	余旺盛, 田孝华, 侯志强, 陈校平. 基于OLDM与贝叶斯估计的鲁棒视觉跟踪 . 武汉大学学报 ● 信息科学版, 2015, 40(11): 1539-1544. doi: 10.13203/j.whugis20130535
[5]	芮小平, 刘真余, 宋现锋, 琚宜文. 一种适合山区道路拓扑结构权重的模糊推理方法 . 武汉大学学报 ● 信息科学版, 2013, 38(1): 74-77.
[6]	田晶, 宋子寒, 艾廷华. 运用图论进行道路网网格模式提取 . 武汉大学学报 ● 信息科学版, 2012, 37(6): 724-727.
[7]	石岩, 刘启亮, 邓敏, 林雪梅. 融合图论与密度思想的混合空间聚类方法 . 武汉大学学报 ● 信息科学版, 2012, 37(11): 1276-1280.
[8]	邹勤, 李清泉, 毛庆洲, 陈龙. 利用目标点最小生成树的路面裂缝检测 . 武汉大学学报 ● 信息科学版, 2011, 36(1): 71-75.
[9]	陶建斌, 舒宁, 沈照庆. 利用互信息改进遥感影像朴素贝叶斯网络分类器 . 武汉大学学报 ● 信息科学版, 2010, 35(2): 228-232.
[10]	黄宇, 付琨, 吴一戎, 詹芊芊. 基于概率的复杂目标图像语义推理模型 . 武汉大学学报 ● 信息科学版, 2009, 34(9): 1043-1046.
[11]	虞欣, 郑肇葆, 叶志伟, 田礼乔. 基于Tree Augmented Naive Bayes Classifier的影像纹理分类 . 武汉大学学报 ● 信息科学版, 2007, 32(4): 287-289.
[12]	谭喜成, 边馥苓. 用贝叶斯分类方法和本体实现空间信息语义互操作 . 武汉大学学报 ● 信息科学版, 2006, 31(8): 724-727.
[13]	虞欣, 郑肇葆, 汤凌, 叶志伟. 基于Naive Bayes Classifiers的航空影像纹理分类 . 武汉大学学报 ● 信息科学版, 2006, 31(2): 108-111.
[14]	贾泽露, 刘耀林, 张彤. 可视化交互空间数据挖掘原型系统设计与实现 . 武汉大学学报 ● 信息科学版, 2006, 31(10): 916-919.
[15]	陈阳, 何振亚. 一类新的独立性度量及其在盲信号分离中的应用 . 武汉大学学报 ● 信息科学版, 2004, 29(1): 84-88.
[16]	张园玉, 李霖, 金玉平, 朱海红. 基于图论的树状河系结构化绘制模型研究 . 武汉大学学报 ● 信息科学版, 2004, 29(6): 537-539,543.
[17]	许才军, 李志才. 轮回搜索-贝叶斯法及其在大地测量反演中的应用 . 武汉大学学报 ● 信息科学版, 2003, 28(6): 658-662.
[18]	冯琰, 张正禄, 罗年学. 最小独立闭合环与附合导线的自动生成算法 . 武汉大学学报 ● 信息科学版, 1998, 23(3): 255-259.
[19]	沈未名, 张祖勋, 张剑清. 基于神经网络的影像匹配概率松弛算法 . 武汉大学学报 ● 信息科学版, 1996, 21(3): 247-251.
[20]	王新洲. 贝叶斯序贯平差 . 武汉大学学报 ● 信息科学版, 1994, 19(4): 315-321.

WeChat

点击查看大图

计量

文章访问数: 733
HTML全文浏览量: 34
PDF下载量: 258
被引次数: 0

贝叶斯网络结构学习及其应用研究

武汉大学遥感信息工程学院, 武汉市珞喻路129号, 430079

基金项目: 国家自然科学基金资助项目(60175022)

作者简介:
黄解军,博士生。研究方向为数据挖掘与数据仓库等。E-mail:hjjtk@21cn.com

收稿日期: 2004-01-23
刊出日期: 2004-04-05

中图分类号: TP18;TP311

关键词:

贝叶斯网络 /

条件独立性 /

摘要: 阐述了贝叶斯网络结构学习的内容与方法,提出一种基于条件独立性(CI)测试的启发式算法。从完全潜在图出发,融入专家知识和先验常识,有效地减少网络结构的搜索空间,通过变量之间的CI测试,将全连接无向图修剪成最优的潜在图,近似于有向无环图的无向版。通过汽车故障诊断实例,验证了该算法的可行性与有效性。

English Abstract

黄解军, 万幼川, 潘和平. 贝叶斯网络结构学习及其应用研究[J]. 武汉大学学报 ● 信息科学版, 2004, 29(4): 315-318.

引用本文:

黄解军, 万幼川, 潘和平. 贝叶斯网络结构学习及其应用研究[J]. 武汉大学学报 ● 信息科学版, 2004, 29(4): 315-318.

HUANG Jiejun, WAN Youchuan, PAN Heping. Bayesian Network Structure Learning and Its Applications[J]. Geomatics and Information Science of Wuhan University, 2004, 29(4): 315-318.

Citation:

HUANG Jiejun, WAN Youchuan, PAN Heping. Bayesian Network Structure Learning and Its Applications[J]. Geomatics and Information Science of Wuhan University, 2004, 29(4): 315-318.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

我要投稿

投稿攻略

联系我们

二维码