基于预测关系的贝叶斯网络学习算法

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (3): 195-197.

基于预测关系的贝叶斯网络学习算法

张剑飞¹,王双成²

1.齐齐哈尔大学计算机与控制工程学院，黑龙江齐齐哈尔 161006
2．上海立信会计学院信息科学系，上海 201600

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2008-01-21 发布日期:2008-01-21
通讯作者: 张剑飞

Bayesian networks learning scheme based on prediction relationship

ZHANG Jian-fei¹,WANG Shuang-cheng²

1.College of Computer and Control Engineering，Qiqihr University，Qiqihr，Heilongjiang 161006，China
2.Department of Information Science，Shanghai Lixin University of Commerce，Shanghai 201600，China

Received:1900-01-01 Revised:1900-01-01 Online:2008-01-21 Published:2008-01-21
Contact: ZHANG Jian-fei

摘要/Abstract

摘要： 在介绍有代表性的贝叶斯网络结构学习算法基础上，给出了变量之间预测能力的概念及估计方法，并证明了预测能力就是预测正确率，在此基础上建立了基于变量之间预测关系的贝叶斯网络结构学习方法，并使用模拟数据进行了对比实验，实验结果显示该算法能够有效地进行贝叶斯网络结构学习。

关键词: 贝叶斯网络, 结构学习, 预测能力

Abstract: In the paper，representative Bayesian networks learning methods are analyzed；the concept and estimating methods of the prediction ability are given.At the same time，it is proven that the prediction ability is the accurate of the prediction.The method of Bayesian networks structure learning based on prediction ability is developed.The experiment is made by simulation；experimental results show that Bayesian networks structure can be learned by this scheme effectively.

Key words: Bayesian networks, structure learning, prediction ability

张剑飞¹,王双成². 基于预测关系的贝叶斯网络学习算法[J]. 计算机工程与应用, 2008, 44(3): 195-197.

ZHANG Jian-fei¹,WANG Shuang-cheng². Bayesian networks learning scheme based on prediction relationship[J]. Computer Engineering and Applications, 2008, 44(3): 195-197.

[1]	郭雪昆，秦远辉，杜亮，罗永亮，王宏安. 基于MEBN的大型舰船舰面保障作业检测[J]. 计算机工程与应用, 2021, 57(1): 242-253.
[2]	陈海洋，刘喜庆，环晓敏. 一步预测的SVDDBN缺失数据插补算法[J]. 计算机工程与应用, 2020, 56(7): 81-87.
[3]	郑伟，侯宏旭，班志杰. 贝叶斯网络查询语义扩展的专家发现方法[J]. 计算机工程与应用, 2020, 56(13): 194-198.
[4]	史晓洁，杨有龙. 基于和积网络的花朵图像分类研究[J]. 计算机工程与应用, 2019, 55(8): 151-156.
[5]	吕学志1，2，胡晓峰1，吴琳1，贺筱媛1. 基于贝叶斯网络的任务共同体识别[J]. 计算机工程与应用, 2019, 55(5): 251-257.
[6]	高昂，段莉，张国辉，董志明，曹洁，郭齐胜. 计算机生成兵力行为建模发展现状[J]. 计算机工程与应用, 2019, 55(19): 43-51.
[7]	严智，张鹏，谢川. 基于Jaya的贝叶斯网络结构学习算法研究[J]. 计算机工程与应用, 2019, 55(19): 173-177.
[8]	蔡青松，陈希厚. 基于评分函数的贝叶斯网络结构融合算法[J]. 计算机工程与应用, 2019, 55(11): 147-152.
[9]	郭文强，高文强，侯勇严，李然. 基于稀缺数据集下BN参数学习的目标识别[J]. 计算机工程与应用, 2018, 54(17): 122-125.
[10]	朱雪彤1，钱秀娟2，孙薇薇1，侯宪春1，陈广生3，王永利4. 面向普适健康监测的心脏病分析方法[J]. 计算机工程与应用, 2018, 54(1): 159-165.
[11]	王东1，2，陈志1，岳文静3，刘亚威1. 使用贝叶斯网络的社交网络信任驱动推荐方法[J]. 计算机工程与应用, 2017, 53(9): 146-151.
[12]	沈一超，倪世宏，张鹏. 基于贝叶斯网络的飞行动作识别方法[J]. 计算机工程与应用, 2017, 53(24): 161-167.
[13]	丁东1，付晓东1，2，岳昆3. 基于贝叶斯网络的在线商品评价质量评估[J]. 计算机工程与应用, 2017, 53(2): 21-26.
[14]	高学攀，廖士中. 基于贝叶斯网络的林火概率预测系统设计与实现[J]. 计算机工程与应用, 2017, 53(13): 246-251.
[15]	刘飞飞，蔺婧娜，刘潇潇. 基于动态贝叶斯网络的复杂网络攻击方法研究[J]. 计算机工程与应用, 2017, 53(11): 18-25.