贝叶斯网等价类学习算法

• 作者: 关淞元 刘大有 贾海洋 陈娟
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 贝叶斯网 结构学习 马尔科夫等价类 链图
• 年，卷（期）: 2008,（12）
• 所属期刊栏目: 算法研究
• 页码范围: 63-67,71
• 页数: 6页
• 分类号: TP301.6
• 字数: 5915字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2008.12.017

摘要

贝叶斯网用一种紧凑的形式表示联合概率分布,具有完备的语义和坚实的理论基础,目前已成为人工智能领域处理不确定性问题的最佳方法之一.贝叶斯网学习是其关键问题,传统学习方法存在如下不足:(1)随节点数增多非法结构以指数级增加,影响学习效率;(2)在等价结构之间进行打分搜索,影响收敛速度;(3)假设每个结构具有相同的先验概率,造成等价类中包含结构越多则先验概率越高.本文提出一种学习马尔科夫等价类算法,该算法基于骨架空间进行状态转换,利用从骨架空间到等价类空间的映射关系实现学习贝叶斯网等价类.实验数据证明,该方法可有效缩小搜索空间规模,相对于在有向图空间搜索的算法加快了算法的收敛速度,提高了执行效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘大有	吉林大学符号计算与知识工程教育部重点实验室	211	4714	34.0	63.0
2	陈娟	吉林大学计算机科学与技术学院	26	106	7.0	9.0
3	贾海洋	吉林大学计算机科学与技术学院	7	16	2.0	3.0
4	关淞元	吉林大学符号计算与知识工程教育部重点实验室	1	1	1.0	1.0