一种可度量的贝叶斯网络结构学习方法

摘要：

针对基于约束的方法存在的序依赖、高阶检验等问题,提出了一种通过互信息排序的贝叶斯网络结构学习方法,该方法包括度量信息矩阵学习和“偷懒”启发式策略2部分.其中度量信息矩阵刻画了变量间的依赖程度而且暗含了程度强弱的比较,有效地解决了检验过程中由于变量序导致的误判问题;“偷懒”启发式策略在度量信息矩阵的指导下有选择地将变量加入到条件集中,有效地降低了高阶检验而且减少了检验次数.从理论上证明了新方法的可靠性,从实验上展示了在不丢失学习结构质量的条件下,新方法的搜索比其他搜索过程显著快而且易扩展到样本量小且稀疏的数据集上.

关键词：贝叶斯网络结构、互信息、条件独立性检验、变量序、假阳性节点、假阴性节点

所属期刊栏目：55

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金项目61432008,61503178

在线出版日期：2018-09-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1717-1725