贝叶斯网络的参数学习研究  

Study on Parameter Learning of Bayesian Network

作　　者：李晓毅[1] 徐兆棣[1] 孙笑微[2] 

机构地区：[1]沈阳师范大学数学与系统科学学院,沈阳110034 [2]沈阳师范大学软件学院,沈阳110034

出　　处：《沈阳农业大学学报》2007年第1期125-128,共4页Journal of Shenyang Agricultural University

基　　金：国家自然科学基金资助项目(10471096)

摘　　要：贝叶斯网络是数据采掘的一个非常有效的工具,它能够定性和定量地分析属性之间的依赖关系,进行概率推理。在给出贝叶斯网络相关概念后,讨论了贝叶斯网络在离散型、连续型和混合型3种情况下的参数学习计算公式;利用给定样本数据,对具有完整数据和不具有完整数据的贝叶斯网络,学习网络参数,更新网络变量原有的先验分布;从理论上给出两种不同类型下的参数学习公式。Bayesian network as, a very useful tool in data mining, can provide qualitative and quantitative relationship between attributes and probability inference. This paper firstly reviewed the concept of Bayesian network, then discusseed the Bayesian network formula in cases of discrete,continuous and hybrid type. According to the data of the samples, for the Bayesian network with complete and incomplete data, network parameter was studied, The prior distribute of network variable was updated, and two different types of learning formula of parameter were given theoretically.

关 键 词：贝叶斯网络 网络结构 参数学习 狄利克雷分布 数据采掘 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]