基于最大信息熵和CBR的贝叶斯网络构造

摘要

从数据中学习贝叶斯网络(Bayesian Network BN)往往会因为搜索空间庞大而耗费大量的时间,本文利用基于最大信息熵结合案例推理(Case-based Reasoning CBR)的贝叶斯网络构造提出了一种构造贝叶斯网络的方法，避免了由于单纯利用最大相互信息原则将导致搜索终止于完全图。将其用于贝叶斯网络的构造中,结果表明有效地提高建模的效率和精度。