贝叶斯网络结构加速学习算法

摘要：

结构学习是应用贝叶斯网络(BN)的基础.提出一种新的基于约束的学习类算法APC(Accelerated PC),它基于一系列局部结构的推导获得BN.APC不但继承了经典的PC(Peter & Clark)算法优先执行低阶条件独立(CI)测试的优点,而且能够从已执行的CI测试中推导相关拓扑信息,并利用其来挑选并优先执行更可能d-分割节点X和Y的候选CI测试.该策略可有效避免在搜索过程中执行无效的CI测试,例如APC算法在实验中较PC算法节省高达50％的计算量,同时实现了质量相同的学习效果.

关键词：贝叶斯网络、结构学习、基于约束的学习、条件独立性测试

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61305058,61300139;厦门科技计划基金资助项目3505Z20133027;华侨大学科研基金资助项目11Y0274,12HJY18;中央高校基本科研基金资助项目11J0263

在线出版日期：2016-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：263-268,272