10.3969/j.issn.1007-130X.2008.12.017
贝叶斯网等价类学习算法
贝叶斯网用一种紧凑的形式表示联合概率分布,具有完备的语义和坚实的理论基础,目前已成为人工智能领域处理不确定性问题的最佳方法之一.贝叶斯网学习是其关键问题,传统学习方法存在如下不足:(1)随节点数增多非法结构以指数级增加,影响学习效率;(2)在等价结构之间进行打分搜索,影响收敛速度;(3)假设每个结构具有相同的先验概率,造成等价类中包含结构越多则先验概率越高.本文提出一种学习马尔科夫等价类算法,该算法基于骨架空间进行状态转换,利用从骨架空间到等价类空间的映射关系实现学习贝叶斯网等价类.实验数据证明,该方法可有效缩小搜索空间规模,相对于在有向图空间搜索的算法加快了算法的收敛速度,提高了执行效率.
贝叶斯网、结构学习、马尔科夫等价类、链图
30
TP301.6(计算技术、计算机技术)
国家自然科学基金重大项目60496321;国家自然科学基金资助项目60373098,60573073,603030,60503016;国家863计划资助项目2006AA102245;吉林省科技发展计划重大项目20020303;吉林省科技发展计划资助项目20030523;欧盟项目TH/Asia Link/010111084
2009-02-16(万方平台首次上网日期,不代表论文的发表时间)
共6页
63-67,71