一种小规模数据集下的贝叶斯网络学习方法及其应用  

Learning Bayesian Network from Small Scale Dataset and Application

作　　者：李亚飞[1,2] 吕强[3] 苏伟峰[1,2] 刘轶 

机构地区：[1]北京师范大学-香港浸会大学联合国际学院,珠海519085 [2]深港产学研基地智能媒体和语音重点实验室,深圳518057 [3]苏州大学计算机科学与技术学院,苏州215006

出　　处：《计算机科学》2011年第7期181-184,234,共5页Computer Science

基　　金：国家自然科学基金项目(61073017);北京师范大学-香港浸会大学联合国际学院校内项目(R201109,UIC2010-S-01.8)资助

摘　　要：提出了一种小规模数据集下学习贝叶斯网络的有效算法——FCLBN。FCLBN利用bootstrap方法在给定的小样本数据集上进行重抽样,然后用在抽样后数据集上学到的贝叶斯网络来估计原数据集上的贝叶斯网络的高置信度的特征,并用这些特征来指导在原数据集上的贝叶斯网络搜索。用标准的数据集验证了FCLBN的有效性,并将FCLBN应用于酵母菌细胞中蛋白质的定位预测。实验结果表明,FCLBN能够在小规模数据集上学到较好的网络模型。An efficient algorithm FCLBN for learning Bayesian network from small scale dataset was proposed.FCLBN uses the method of bootstrap to re-sample from the small scale dataset,and estimates the high confidence features of the source small scale dataset from the Bayesian networks learned from the re-sampling small datasets.The high confidence features are taken to guide the search of the best Bayesian network on the source dataset.After being evaluated on the standard benchmark dataset,FCLBN is applied to predict yeast protein localization.The result of the experiments indicates that the FCLBN algorithm can learn relatively accurate network from small scale dataset.

关 键 词：学习贝叶斯网络 小规模数据集 特征置信 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]