一种贝叶斯网络结构学习的混合随机抽样算法

• 作者: 吕刚 胡学钢 胡春玲
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 贝叶斯网络 结构学习 随机抽样 混合抽样 子结构抽样 建议分布
• 年，卷（期）: 2014,（5）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 238-242
• 页数: 5页
• 分类号: TP18
• 字数: 5947字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2014.05.049

摘要

贝叶斯网络结构学习的随机抽样算法存在收敛速度慢的问题，为此，结合均匀抽样和独立抽样，从初始样本、抽样方式和建议分布3个方面对抽样过程进行改进，提出一种混合型马尔可夫链蒙特卡罗抽样算法(HSMHS)。基于节点之间的互信息生成网络结构的初始样本，在迭代抽样阶段，按一定的概率随机选择均匀抽样和独立抽样，并根据当前抽样的样本总体计算独立抽样的建议分布，以改善抽样过程的融合性，加快收敛速度。对算法进行正确性分析，证明其抽样过程收敛于网络结构的后验概率分布，可保持较高的学习精度。在标准数据集上的实验结果表明，HSMHS算法的学习效率和精度均高于同类算法MHS、PopMCMC和Order-MCMC。

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	吕刚	合肥学院网络与智能信息处理重点实验室	41	82	5.0	7.0
3	胡春玲	合肥学院网络与智能信息处理重点实验室	29	142	6.0	11.0