一种基于结构分解的影响图模型选择算法

摘要：

针对概率网络模型选择的数据依赖性和计算复杂性,以及影响图模型的非概率关系学习问题,通过对影响图结构进行分解,提出一种PS-EM算法实现影响图概率结构部分的模型选择,给出一种利用BP神经网络学习每个效用结点的局部效用函数来实现效用结构部分的模型选择方法.PS-EM算法对N.Firedman的SEM算法进行改进,提出一种引入融合先验知识的MDL评分标准来降低传统MDL评分对数据的依赖性;通过将参数学习和结构评分分开计算提高计算效率.最后,在石油投机商模型上的结果显示,PS-EM比SEM的时间性能要好,对数据依赖性要小,且效用部分的结构选择易于实现.

关键词：影响图、SEM算法、BP神经网络、MDL评分

所属期刊栏目：34

分类号：TP3(计算技术、计算机技术)

资助基金：国家自然科学基金60575023;合肥工业大学校科学研究基金050506F

在线出版日期：2007-03-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：133-135,139