.png){kind=icon}
返回
Learning Bayesian Network Structures Without Variable Ordering Influence: A Markov Blanket-Based Approach
.png){kind=icon}
PRE
AI
DOI：10.1111/coin.70175.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
文献中提出了几种方法，用于从数据中发现贝叶斯网络的结构——有向无环图。由于图空间的组合性质随着变量数量呈指数增长，这是一个具有挑战性的任务。本文提出了一种基于马尔可夫毯学习贝叶斯网络结构的新方法。该方法称为DMBBN（动态马尔可夫毯贝叶斯网络），它从一组基于每个目标变量马尔可夫毯诱导的局部结构构建图。局部结构被组合以生成单个贝叶斯网络结构，且不重复节点、无循环。所进行的实验表明，DMBBN具有前景，特别是在大型数据集中，因为它不依赖于变量的先验顺序。
Keyword:
Bayesian networks
Markov blanket
structure learning
期刊
C
IF:
1.7
论文数:
113
被引数:
1.6K
机构
引用论文
.png){kind=icon}
Who learns better Bayesian network structures: Accuracy and speed of structure learning algorithms谁能更好地学习贝叶斯网络结构: 结构学习算法的准确性和速度
OAAI
OAAI分享收藏
分享收藏COMBINING MICROARRAYS AND BIOLOGICAL KNOWLEDGE FOR ESTIMATING GENE NETWORKS VIA BAYESIAN NETWORKS
PREAI
分享收藏LEARNING BAYESIAN NETWORKS IN THE SPACE OF ORDERINGS WITH ESTIMATION OF DISTRIBUTION ALGORITHMS
PREAI
分享收藏
查看更多内容