一种基于随机抽样的贝叶斯网络结构学习算法

摘要：

针对贝叶斯网络的结构学习问题,基于并行随机抽样的思想提出了结构学习算法PCMHS,构建多条并行的收敛于Boltzmann分布的马尔可夫链.首先基于节点之间的互信息,进行所有马尔可夫链的初始化,在其迭代过程中,基于并行的MHS抽样总体得到产生下一代个体的建议分布,并通过对网络中弧和子结构的抽样产生下一代个体.算法FCMHS收敛于平稳分布,具有良好的学习精度,而该算法又通过使其初始分布和建议分布近似于其平稳分布,有效提高了马尔可夫链的收敛速度.在标准数据集上的实验结果验证了算法PCMHS的学习效率和学习精度明显优于经典算法MHS和PopMCMC.

关键词：贝叶斯网络、结构学习、随机抽样、马尔可夫链、建议分布

所属期刊栏目：36

分类号：TP2;TP3

资助基金：安徽省自然科学基金课题编号050420207

在线出版日期：2009-04-21（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：199-202