【作者】 程泽凯； 泰锋；

【Author】 Cheng Zekai,Qin Feng School of Computer Science.Anhui University of Technology,Maanshan 243002.China.

【机构】 安徽工业大学计算机学院；

【摘要】 贝叶斯网络分类器(BNC)结婚学习是一个NP难问题。一种有效且准确性较高的贝叶期网络结构学习算法是K2算法。但K2算法要确定结点次序,在无先验信息时受到很大限制。本文提出了一种启发式RNC结构学习G2算法,G2算法以学习NB结构和TAN树形结构作为启发式信息、由该启发式信息生成结点次序,再用K2算法生成BNC结构。实验结果表明,G2算法可以解决无先验信息时确定结点次序的问题。所添加的弧比较简洁,网络结构比NB和TAN结构更加合理,分类准确率有所提高,对文本分类等领域有更大的适应性。更多还原

【Abstract】 Structure learning for Bayesian classifier is NP-hard problem,K2 is one of efficacious and accurate algorithm.K2 confirms the order of nodes firstly.To a certain extent this limits in non-information.This paper purposes a new heuristic Hayesian classifier structure learning G2 algorithm.G2 algorithm use NB and TAN structure which learns as heuristic information,using K2 Algorithm learning BNC structure.The cxpcrimcntal result shows that G2 algorithm can solve nodes order in non-information.Arcs is sententious,compare NB and TAN structure,it’s more reasonable,classification accuracy improves,this algorithm adupts many aspects.更多还原