%0 Journal Article
%T 基于PSEM算法和BP神经网络的影响图模型选择*
%A 姚宏亮
%A 张佑生
%A 王浩
%A 汪荣贵
%J 模式识别与人工智能
%P 185-190
%D 2007
%X 影响图模型选择中存在数据依赖性、计算复杂性和非概率关系问题.通过对影响图结构进行分解，提出PSEM算法对影响图的概率结构部分进行模型选择.给出一种BP神经网络，通过对局部效用函数的学习实现效用结构部分的模型选择，并引入权重阈值来避免过拟合.PSEM算法是在SEM算法中引入一种融合先验知识的MDL评分标准来降低传统MDL评分对数据的依赖性，并通过将参数学习和结构评分分开计算提高计算效率.算法比较的结果显示PSEM比标准SEM的时间性能好、对数据依赖性小，且效用部分的结构选择易于实现.
%K 影响图(IDs)
%K 结构期望最大值(SEM)算法
%K 后向神经网络
%K 最小描述长度(MDL)评分
%U http://manu12.magtech.com.cn/Jweb_prai/CN/abstract/abstract10478.shtml