基于混合贝叶斯网络数据挖掘及研究生升学预测模型的研究  

Mass Data Mining and Graduate Prediction Model Construction Based on Cooperative Bayesian Network

作　　者：叶善文[1] 赵杰煜[2] 

机构地区：[1]宁波大学研究生院,浙江宁波315211 [2]宁波大学计算机科学技术研究所,浙江宁波315211

出　　处：《宁波大学学报（理工版）》2013年第3期40-44,共5页Journal of Ningbo University：Natural Science and Engineering Edition

摘　　要：给出了基于MAP和MDL混合机制的贝叶斯网络结构学习算法,新算法吸取了两种方法各自的特点,具有计算简单、收敛速度快且能综合利用先验知识及专家知识的优点.并结合A校研究生的海量数据进行实验,结果表明:新的预测模型准确率可达84%,且推理高效合理.Based on the Maximum Aposterior Probability（MAP） and Minimum Description Length（MDL）,this paper presents an algorithm of Bayesian networks structure learning.The algorithm effectively combines the characteristics of two methods,and takes the full advantage of simplistic computation,rapid convergence and priori knowledge and expert system.The experiment with mass data collected from a University graduate entrance examination shows that the model-based algorithm can efficiently be used for prediction and the success rate reaches 84%.

关 键 词：贝叶斯网 混合模型 数据挖掘 升学预测 

分 类 号：TP302[自动化与计算机技术—计算机系统结构]