现有的贝叶斯网络模型选择的各种评价准则中，评价准则最为常用。然而在大样本前提下近似推导得到的准则，在基于小样本条件下进行贝叶斯网络模型选择时，得到的网络过于稀疏，网络连通性不足。而准则在小样本条件下学习贝叶斯网络，选择出的网络往往比较复杂。针对这一情况，本文通过引入调整因子，将与准则的惩罚项进行加权，提出了评价准则，从而提高了小样本情况下贝叶斯网络模型选择的效果。理论分析和实验结果反映了改进的准则的合理性和有效性。
绵阳师范学院学报
2015年8期
