基于互信息的贝叶斯网络结构学习算法

被引:15
作者
陈一虎
机构
[1] 宝鸡文理学院数学系
关键词
贝叶斯网络; 结构学习; 互信息; 条件独立性测试; 贪婪搜索;
D O I
暂无
中图分类号
TP181 [自动推理、机器学习];
学科分类号
140502 [人工智能];
摘要
结构学习是贝叶斯网络的重要分支之一,而由数据学习贝叶斯网络是NP-完全问题,提出了一个由数据学习贝叶斯网络的改进算法。该算法基于互信息知识构造初始无向图,并通过条件独立测试对无向边添加方向;同时提出了一个针对4节点环和5节点环的局部优化方法来构造初始框架,最后利用贪婪搜索算法得到最优网络结构。数值实验结果表明,改进的算法无论是在BIC评分值,还是在结构的误差上都有一定的改善,并且在迭代次数、运行时间上均有明显降低,能较快地确定出与数据匹配程度最高的网络结构。
引用
收藏
页码:39 / 43+52 +52
页数:6
相关论文
共 4 条
[1]
Inference in hybrid Bayesian networks [J].
Langseth, Helge ;
Nielsen, Thomas D. ;
Rumi, Rafael ;
Salmeron, Antonio .
RELIABILITY ENGINEERING & SYSTEM SAFETY, 2009, 94 (10) :1499-1509
[2]
Introduction to the special issue on Graphical Models and Information Retrieval [J].
Fernandez-Luna, Juan M. ;
Huete, Juan F. ;
Piwowarski, Benjamin .
INTERNATIONAL JOURNAL OF APPROXIMATE REASONING, 2009, 50 (07) :929-931
[3]
CONSTRUCTION OF BAYESIAN NETWORK STRUCTURES FROM DATA - A BRIEF SURVEY AND AN EFFICIENT ALGORITHM [J].
SINGH, M ;
VALTORTA, M .
INTERNATIONAL JOURNAL OF APPROXIMATE REASONING, 1995, 12 (02) :111-131
[4]
A BAYESIAN METHOD FOR THE INDUCTION OF PROBABILISTIC NETWORKS FROM DATA [J].
COOPER, GF ;
HERSKOVITS, E .
MACHINE LEARNING, 1992, 9 (04) :309-347