基于最大主子图分解的贝叶斯网络等价类学习算法

• 作者: 刘三阳 朱明敏 杨有龙
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 贝叶斯网络 最大主子图分解 条件独立测试 结构学习 马尔科夫等价类
• 年，卷（期）: 2012,（10）
• 所属期刊栏目: 论文与报告
• 页码范围: 1499-1504
• 分类号: TP18
• 语种: 中文

摘要

针对基于约束方法学习贝叶斯网络(BN)结构的不足,以及随着条件集的增大,利用统计方法进行条件独立(CI)测试不稳定等问题,提出一种基于最大主子图分解(MPD)的BN等价类学习算法.该算法首先通过MPD分解技术对BN的道德图进行分解；然后利用0阶和1阶CI测试识别部分子图中的V结构,对于初步未定的V结构利用局部评分搜索确定,从而避免了冗余检验,有效地减小了条件集的维数,并且提高了算法的效率.理论证明和实验结果均表明了所提出算法的有效性和合理性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘三阳	西安电子科技大学理学院	662	5562	32.0	51.0
5	杨有龙	西安电子科技大学理学院	44	147	7.0	10.0
6	朱明敏	西安电子科技大学理学院	10	175	5.0	10.0