基于最大信息系数的贝叶斯网络结构学习算法

• 作者: 曾千千 曾安 杨海东 潘丹 邓杰航
• 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 最大信息系数 关联度 贪婪算法
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 225-230
• 页数: 6页
• 分类号: TP311
• 字数: 4738字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2017.08.038

摘要

在引入最大信息系数的基础上,提出一种改进的贝叶斯网络结构学习算法.在给定数据集的条件下,基于最大信息系数对变量间的关联度进行检测,根据筛选因子和关联度构造贝叶斯网络的初始化结构,并结合贪婪算法对初始网络结构进行局部优化,将局部最优解进行整合形成全局最优解,生成最终的网络结构.在Asia和Car基准网络上的实验结果表明,与基于传统贪婪算法、随机K2算法的贝叶斯网络结构学习算法相比,该算法可以学习到与基准网络更相近的贝叶斯网络结构,并且具有较高的正确边均值和分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曾安	广东工业大学计算机学院	32	150	8.0	11.0
2	杨海东		5	36	3.0	5.0
3	邓杰航	广东工业大学计算机学院	18	77	5.0	8.0
4	潘丹		3	14	2.0	3.0
5	曾千千	广东工业大学计算机学院	1	5	1.0	1.0