吉林省自然科学基金(20030517-1)
- 作品数：9 被引量：44H指数：4
- 相关作者：张剑飞王双成王辉周颜军肖桂荣更多>>
- 相关机构：东北师范大学齐齐哈尔大学吉林大学更多>>
- 发文基金：吉林省自然科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术文化科学理学更多>>
- 基于预测能力的贝叶斯网络结构学习被引量：11
- 2005年
- 给出了变量之间预测能力的概念及估计方法,证明了预测能力就是预测正确率.在此基础上建立了基于预测能力的贝叶斯网络结构学习方法,并使用模拟数据进行了实验.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.
- 王辉张剑飞王双成
- 关键词：贝叶斯网络
- 预测问题中的PMC准则被引量：8
- 2004年
- 将估计问题中的PMC准则应用到预测问题中.在非对称Lienx损失函数下,证明了中位数无偏预测量是某一给定的预测量集合中的Pitmanclosest预测量,并给出了具体的实例.
- 肖桂荣
- 基于广义朴素贝叶斯分类器的空值处理方法被引量：4
- 2004年
- 给出了基于广义朴素贝叶斯分类器的空值处理方法,该方法利用广义朴素贝叶斯分类器的较强预测能力及灵活的效率选择方式,有效地解决了数据中的空值处理问题.利用模拟数据进行了对比实验,结果显示,其预测准确性明显提高.
- 王辉王双成周颜军张剑飞
- 数据挖掘中决策树分类方法研究被引量：12
- 2005年
- 分类知识的获取是数据挖掘所要实现的重要任务之一 ,其核心问题是解决分类模型的构造和分类算法实现问题。本文以决策树分类方法中有代表性的方法 C4.5为例介绍数据挖掘中的一种分类模式 :基于决策树方法的分类器的构建方法和算法。
- 张剑飞
- 关键词：数据挖掘决策树方法分类器
- 数据挖掘中基于模型的聚类分析方法研究被引量：1
- 2004年
- 聚类分析已成为数据挖掘研究中非常活跃的研究课题,在聚类分析方法中,基于模型的算法由于考虑到“噪声”或异常数据,可以自动确定聚类个数,可以产生鲁棒的聚类方法,而成为领域研究的一个重点。本文主要对神经网络中的竞争学习神经网络、SOFM 神经网络方法、统计学聚类方法研究。
- 张剑飞王辉
- 关键词：聚类聚类分析SOFM
- 基于局部优化具有连续变量的贝叶斯网络结构学习被引量：5
- 2006年
- 概述了具有连续变量的贝叶斯网络结构学习存在的主要问题,给出了基于局部优化的具有连续变量的贝叶斯网络结构学习方法.通过构造局部最优回归模式、局部回归模式的条件组合及环路处理,建立了具有连续变量的贝叶斯网络结构,既可以避免复杂的结构打分运算及结构空间搜索,同时又不会出现由于离散化而导致过多的信息丢失及假依赖现象.
- 张剑飞王辉周颜军王双成
- 关键词：贝叶斯网络
- 以核心变量为基础的离散贝叶斯网络结构学习被引量：2
- 2005年
- 建立了基于核心变量的离散贝叶斯网络结构学习方法.该方法根据变量之间的无条件相对预测能力建立有向无环图,分别按着变量的聚度和散度排序变量;以不同于被预测变量的具有最大聚度和散度的两个变量为条件变量,根据变量之间条件相对预测能力的大小确定弧的存在性与方向,结合环路检验建立初始贝叶斯网络结构;以两个变量的最小切割集为条件变量集,调整初始贝叶斯网络结构(包括删除多余的弧和重新确定弧的方向),最终建立数据中所蕴涵的贝叶斯网络结构.同时,使用模拟数据进行了对比实验,结果表明这是一种有效实用的方法.
- 张邦佐王辉张剑飞左万利
- 关键词：散度
- 马尔科夫网络中的隐藏变量学习被引量：4
- 2005年
- 马尔科夫网络中的隐藏变量学习是一个重要而困难的研究课题.关于隐藏变量需要解决三个问题,它们是隐藏变量的位置,维数和取值,局部结构.根据马尔科夫网络中的Clique确定隐藏变量的位置;然后基于依赖结构和Gibbssampling确定隐藏变量的取值和维数;最后利用MDL标准进行局部打分确定局部结构.试验结果表明,该方法能够有效地进行马尔科夫网络的隐藏变量学习.
- 王辉王双成张剑飞
- 关键词：GIBBS抽样
- 基于结点排序的贝叶斯网络结构学习
- 2005年
- 给出了变量之间k阶分类能力的概念及计算方法,并证明了k阶分类能力就是k阶分类正确率,以及k阶分类能力和条件独立性的等价性,在此基础上构造出基于分类能力的贝叶斯网络结构打分函数,同时结合依赖分析方法和打分-搜索方法建立了有效的贝叶斯网络结构学习方法,实验结果显示该方法能够有效地进行贝叶斯网络结构学习,并使学习得到的结构倾向于简单化。
- 王双成
- 关键词：贝叶斯网络打分函数
