基于评分函数的贝叶斯网络结构融合算法

• 作者: 蔡青松 陈希厚
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 贝叶斯网络 评分函数 模型融合 因果推断
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 147-152
• 页数: 6页
• 分类号: TP391
• 字数: 6139字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1803-0034

摘要

利用贝叶斯网络进行因果关系推理已广泛应用于人工智能领域.基于约束方法从观测数据中构建贝叶斯网络通常得到的是其马尔科夫等价类,因存在无向边而无法进行有效的因果推断.为此,基于贝叶斯网络评分函数,并结合集成学习提出了一种模型融合算法,通过对不同的网络结构加权融合,以减少网络中无向边的个数,进而提高其可推断性.实验结果表明,不仅显著减少了无向边条数,也提高了最终网络结构的学习效果,验证了算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡青松	北京工商大学计算机与信息工程学院	12	58	5.0	7.0
2	陈希厚	北京工商大学计算机与信息工程学院	1	0	0.0	0.0