基于混合方式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: 电子学报
• 学科: 工学
• 关键词: 贝叶斯网络 最大主分解 Markov边界 有向无环图 条件独立
• 年，卷（期）: 2013,（1）
• 所属期刊栏目: 学术论文
• 页码范围: 98-104
• 页数: 7页
• 分类号: TP18
• 字数: 6854字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2013.01.018

摘要

贝叶斯网络(BN)是不确定知识表示和推理的主要方法之一,是人工智能中重要的理论模型.针对现有混合方法学习BN结构不稳定、容易陷入局部最优等问题,本文将图论中的最大主子图分解理论与条件独立(CI)测试相结合,同时引入少量的局部评分搜索,提出一种新的基于混合方式的BN等价类学习算法.新算法通过确定所有变量的Markov边界构造网络的无向独立图,并对无向图进行最大主子图分解,从而将高维的结构学习问题转化为低维问题,然后利用低阶CI测试和局部评分搜索识别子图中的V结构.理论证明以及实验分析显示了新算法的正确性和有效性.

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数学系	662	5562	32.0	51.0
5	杨有龙	西安电子科技大学理学院数学系	44	147	7.0	10.0
6	朱明敏	西安电子科技大学理学院数学系	10	175	5.0	10.0