一种贝叶斯网络分类器集群式参数学习的降噪算法

作     者：王中锋 王志海 付彬 WANG Zhong-Feng;WANG Zhi-Hai;FU Bin

作者机构：北京交通大学计算机与信息技术学院北京100044 

基　　金：国家自然科学基金资助项目(No.60673089) 

出 版 物：《模式识别与人工智能》 (Pattern Recognition and Artificial Intelligence)

年 卷 期：2010年第23卷第4期

页      码：508-515页

摘      要：文中首先分析降噪集成算法采用的样本置信度度量函数的性质,阐述此函数不适合处理多类问题的根源.进而设计更有针对性的置信度度量函数,并基于此函数提出一种增强型降噪参数集成算法.从而使鉴别式贝叶斯网络参数学习算法不但有效地抑止噪声影响,而且避免分类器的过度拟合,进一步拓展采用集群式学习算法的鉴别式贝叶斯网络分类器在多类问题上的应用.最后,实验结果及其统计假设检验分析充分验证此算法比目前的集群式贝叶斯网络参数学习方法得到的分类器在性能上有较显著提高.

主 题 词：机器学习 贝叶斯网络 集群式学习 Boosting算法 分类算法 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3969/j.issn.1003-6059.2010.04.010

馆 藏 号：203556859...