高維數(shù)據(jù)局部貝葉斯網(wǎng)絡結構學習

打開文本圖片集

摘 要： 針對高維數(shù)據(jù)下貝葉斯網(wǎng)絡結構學習精度和效率低的問題，提出一種基于歸一化互信息和近似馬爾可夫毯的特征選擇（feature selection based on normalized mutual information and approximate Markov blanket， FSNMB）算法來獲取目標節(jié)點的馬爾可夫毯（Markov blanket，MB），進一步結合MB和Meek規(guī)則實現(xiàn)基于特征選擇的局部貝葉斯網(wǎng)絡結構（construct local Bayesian network based on feature selection， FSCLBN）算法，提高局部貝葉斯網(wǎng)絡結構學習的精度和效率。（剩余14524字）