基于双尺度约束模型的BN结构自适应学习算法

摘要：

在无先验信息的情况下,贝叶斯网络(Bayesian network,BN)结构搜索空间的规模随节点数目增加呈指数级增长,造成BN结构学习难度急剧增加.针对该问题,提出基于双尺度约束模型的BN结构自适应学习算法.该算法利用最大互信息和条件独立性测试构建大尺度约束模型,完成BN结构搜索空间的初始化.在此基础上设计改进遗传算法,在结构迭代优化过程中引入小尺度约束模型,实现结构搜索空间小尺度动态缩放.同时,在改进遗传算法中构建变异概率自适应调节函数,以降低结构学习过程陷入局部最优解的概率.仿真结果表明,提出的基于双尺度约束模型的BN结构自适应学习算法能够在无先验信息的情况下保证BN结构学习的精度和迭代寻优的收敛速度.

关键词：贝叶斯网络;结构学习;约束模型;遗传算法

所属期刊栏目：47

资助基金：国家国际科技合作专项;国家自然科学基金;国家海洋局南海维权技术与重点实验室开放基金1704;海口市重点科技计划项目

在线出版日期：2021-09-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：1988-2001