基于混合方式的贝叶斯网络结构学习

• 作者: 宋苏鸣 张燕 朱明敏
• 来源期刊: 电子科技
• 学科: 工学
• 关键词: 贝叶斯网络 Markov边界 最大主子图分解 遗传算法
• 年，卷（期）: 2014,（10）
• 所属期刊栏目: 协议·算法及仿真
• 页码范围: 115-118
• 页数: 4页
• 分类号: TP391
• 字数: 3253字
• 语种: 中文

摘要

基于最大主子图分解技术和遗传算法,提出了一种混合方式的贝叶斯网络结构学习算法.该算法首先根据领域知识和观察数据构造网络的无向独立图,并对其进行最大主子图分解,再利用遗传算法学习每个子图的结构,同时进行合并修正得到最优的贝叶斯网络结构.分解过程将一个学习大网络问题转化为小子图的学习问题,降低了搜索空间.仿真结果表明,新算法的学习效果与运行效率均有明显提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱明敏	西安电子科技大学数学系	10	175	5.0	10.0
2	张燕	西安电子科技大学数学系	5	8	2.0	2.0
3	宋苏鸣	西安电子科技大学数学系	2	6	2.0	2.0