基于最大主子图分解的贝叶斯网络等价类学习算法
来源期刊:控制与决策2012年第10期
论文作者:朱明敏 刘三阳 杨有龙
文章页码:1499 - 1504
关键词:贝叶斯网络;最大主子图分解;条件独立测试;结构学习;马尔科夫等价类;
摘 要:针对基于约束方法学习贝叶斯网络(BN)结构的不足,以及随着条件集的增大,利用统计方法进行条件独立(CI)测试不稳定等问题,提出一种基于最大主子图分解(MPD)的BN等价类学习算法.该算法首先通过MPD分解技术对BN的道德图进行分解;然后利用0阶和1阶CI测试识别部分子图中的V结构,对于初步未定的V结构利用局部评分搜索确定,从而避免了冗余检验,有效地减小了条件集的维数,并且提高了算法的效率.理论证明和实验结果均表明了所提出算法的有效性和合理性.
朱明敏1,刘三阳1,2,杨有龙1
1. 西安电子科技大学理学院2. 西安电子科技大学综合业务网国家重点实验室
摘 要:针对基于约束方法学习贝叶斯网络(BN)结构的不足,以及随着条件集的增大,利用统计方法进行条件独立(CI)测试不稳定等问题,提出一种基于最大主子图分解(MPD)的BN等价类学习算法.该算法首先通过MPD分解技术对BN的道德图进行分解;然后利用0阶和1阶CI测试识别部分子图中的V结构,对于初步未定的V结构利用局部评分搜索确定,从而避免了冗余检验,有效地减小了条件集的维数,并且提高了算法的效率.理论证明和实验结果均表明了所提出算法的有效性和合理性.
关键词:贝叶斯网络;最大主子图分解;条件独立测试;结构学习;马尔科夫等价类;