一种基于随机抽样的贝叶斯网络结构学习算法

• 作者: 胡学钢 胡春玲
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 贝叶斯网络 结构学习 随机抽样 马尔可夫链 建议分布
• 年，卷（期）: 2009,（2）
• 所属期刊栏目: 人工智能及图像处理
• 页码范围: 199-202
• 页数: 4页
• 分类号: TP3
• 字数: 6001字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2009.02.047

摘要

针对贝叶斯网络的结构学习问题,基于并行随机抽样的思想提出了结构学习算法PCMHS,构建多条并行的收敛于Boltzmann分布的马尔可夫链.首先基于节点之间的互信息,进行所有马尔可夫链的初始化,在其迭代过程中,基于并行的MHS抽样总体得到产生下一代个体的建议分布,并通过对网络中弧和子结构的抽样产生下一代个体.算法FCMHS收敛于平稳分布,具有良好的学习精度,而该算法又通过使其初始分布和建议分布近似于其平稳分布,有效提高了马尔可夫链的收敛速度.在标准数据集上的实验结果验证了算法PCMHS的学习效率和学习精度明显优于经典算法MHS和PopMCMC.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡学钢	合肥工业大学计算机与信息学院	314	3156	27.0	39.0
2	胡春玲	合肥工业大学计算机与信息学院	7	55	4.0	7.0