论文部分内容阅读
概率图模型在机器学习和决策论尤其是不确定性领域中作用日益突出,如果能够有效地使用模型的表示、推断、学习等能力,可以建立适应不同问题域的智能系统.贝叶斯网络是这些模型使用最广泛的一类,由于其学习和推断的复杂性,近几年,从数据中学习有界树宽的贝叶斯网络结构引起了研究者广泛关注.就目前有界树宽的贝叶斯网络结构近似学习技术做了深入的探讨并且归纳了有界树宽的贝叶斯网络结构学习亟待解决的两个问题.