基于最大信息系数的贝叶斯网络结构学习算法

摘要：

在引入最大信息系数的基础上,提出一种改进的贝叶斯网络结构学习算法.在给定数据集的条件下,基于最大信息系数对变量间的关联度进行检测,根据筛选因子和关联度构造贝叶斯网络的初始化结构,并结合贪婪算法对初始网络结构进行局部优化,将局部最优解进行整合形成全局最优解,生成最终的网络结构.在Asia和Car基准网络上的实验结果表明,与基于传统贪婪算法、随机K2算法的贝叶斯网络结构学习算法相比,该算法可以学习到与基准网络更相近的贝叶斯网络结构,并且具有较高的正确边均值和分类准确率.

关键词：贝叶斯网络、结构学习、最大信息系数、关联度、贪婪算法

所属期刊栏目：43

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金61300107;广东省自然科学基金S2012010010212

在线出版日期：2017-09-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：225-230