%0 Journal Article
%T Improvement to a Dependency Analysis Based Bayesian Network Learning Algorithm and Experiments<br>对一种贝叶斯网络学习算法的改进及试验分析
%A 张宏伟
%A 田风占
%A 陆玉昌
%J 计算机科学
%D 2002
%I 
%X 贝叶斯网络是上世纪80年代发展起来的一种概率图形模型,它提供了不确定性环境下的知识表示、推理、学习手段,可以完成决策、诊断、预测、分类等任务,已广泛应用于数据挖掘、语音识别、工业控制、经济预测、医疗诊断等诸多领域。然而由于贝叶斯网络的推理和贝叶斯网络的学习问题都是NP难的,其实际应用受到很大限制。贝叶斯网络推理是利用它进行决策、诊断、分类、预测等应用的基础,其本质任务是计算边缘概率分布。当网络比较复杂时,推理将变得不可行。多模块的贝叶斯网络(MSBN)从简化模型本身出发,对贝叶斯网络进行了扩展。我们则提出了一种用于MSBN中的近似推理算法,这些都大大拓宽了贝叶斯网络的应用领域。
%K 贝叶斯网络
%K 学习算法
%K 随机变量
%K 概率图形模型
%K 数据库
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=64A12D73428C8B8DBFB978D04DFEB3C1&aid=AB30253BABA3481B&yid=C3ACC247184A22C1&vid=771469D9D58C34FF&iid=94C357A881DFC066&sid=C3BF5C58156BEDF0&eid=8C83C265AD318E34&journal_id=1002-137X&journal_name=计算机科学&referenced_num=0&reference_num=8