引入激活扩散的贝叶斯网络分类器

董飒; 刘杰; 刘大有; 李婷婷; 徐海啸; 吴旗; 欧阳若川

doi:10.19292/j.cnki.jdxxp.2025.02.015

吉林大学学报(信息科学版) ›› 2025, Vol. 43 ›› Issue (02) : 317 -326. DOI: 10.19292/j.cnki.jdxxp.2025.02.015

引入激活扩散的贝叶斯网络分类器

董飒, 刘杰, 刘大有, 李婷婷, 徐海啸, 吴旗, 欧阳若川

作者信息 +

Author information +

文章历史 +

摘要

针对网络数据分类的关系分类器都基于同质性假设，而基于一阶马尔可夫假设的简化处理存在一定局限性的问题，在贝叶斯网络分类器中，引入局部图排序激活扩散方法替代原始的直接邻域获取方法。通过设置初始能量值和最小能量阈值，适当扩大分类时待分类节点的邻域范围，从而提高了节点的同质性。结合松弛标注的协作推理方法，引入激活扩散的贝叶斯网络分类器ASNBC(Activation Spreading Network Bayes Classifier)在一定程度上提高了网络数据的分类精度。与4个网络分类器的对比实验结果表明，该方法在6个网络数据集上的分类精度都有不同程度的提高。