基于因果效应的贝叶斯网络结构学习方法

• 作者: 安宁 李廉 杨矫云 滕越
• 来源期刊: 计算机应用研究
• 关键词: 贝叶斯网络 阿尔茨海默病 K2算法 因果效应 BDe评分 互信息
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3609-3613
• 页数: 5页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.12.019

摘要

从数据中学习贝叶斯网络结构是一个NP-hard问题,提高网络结构学习算法精度是研究的重难点.基于Pearl的因果理论,提出了一种贝叶斯网络结构学习方法,提升了现有算法的准确率.利用改进的Pearl因果效应和BDe评分,学习网络节点优先次序,利用K2算法学习初始网络,并通过BDe评分反向调节、互信息和BDe评分删除边以修正学习结果.实验在贝叶斯网络标准数据集ASIA、ALARM上进行,在样本量为2000～20 000的20组实验中,学习准确率较MMHC算法平均提升16％,准确率标准差较MMHC算法平均缩小17％.实验表明,基于因果效应的方法较MMHC算法有更好的性能.