贝叶斯网络分类器结构学习:基于启发式的G2算法
贝叶斯网络分类器(BNC)结构学习是一个NP难问题。一种有效且准确性较高的贝叶斯网络结构学习算法是K2算法。但K2算法要确定结点次序，在无先验信息时受到很大限制.本文提出了一种启发式BNC结构学习G2算法，G2算法以学习NB结构和TAN树形结构作为启发式信息，由该启发式信息生成结点次序，再用K2算法生成BNC结构.实验结果表明，G2算法可以解决无先验信息时确定结点次序的问题。所添加的弧比较简洁，网络结构比NB和TAN结构更加合理，分类准确率有所提高，对文本分类等领域有更大的适应性.
贝叶斯网络分类器 朴素贝叶斯分类器 树扩展朴素贝叶斯分类器 结构学习 启发式搜索
程泽凯 秦锋
安徽工业大学计算机学院,安徽 马鞍山 243002
国内会议
合肥
中文
518-524
2005-12-10（万方平台首次上网日期，不代表论文的发表时间）