高维数据局部贝叶斯网络结构学习

打开文本图片集

摘 要： 针对高维数据下贝叶斯网络结构学习精度和效率低的问题，提出一种基于归一化互信息和近似马尔可夫毯的特征选择（feature selection based on normalized mutual information and approximate Markov blanket， FSNMB）算法来获取目标节点的马尔可夫毯（Markov blanket，MB），进一步结合MB和Meek规则实现基于特征选择的局部贝叶斯网络结构（construct local Bayesian network based on feature selection， FSCLBN）算法，提高局部贝叶斯网络结构学习的精度和效率。（剩余14524字）