10.3969/j.issn.1001-3695.2014.11.015
基于最大信息系数的贝叶斯网络结构学习算法
为了得到正确的节点次序,构造接近最优的贝叶斯网络结构,利用最大信息系数与条件独立性测试相结合的方法,提出了一种新的贝叶斯网络结构学习算法(MICVO)。该算法利用最大信息系数衡量变量之间的依赖关系,生成初始的无向图,引入惩罚因子δ减少图中冗余边的数量,并将这个无向图分解成多个子结构,确定图中边的方向,最后生成正确的节点次序作为K2算法的输入学习网络结构。在两个基准网络Asia和Alarm中进行实验验证,结果表明基于最大信息系数的贝叶斯网络结构学习算法可以得到接近最优的节点次序,学习到的网络结构与数据的拟合程度更好,分类准确性更高。
贝叶斯网络、结构学习、节点次序、最大信息系数、条件独立性测试
TP301.6(计算技术、计算机技术)
国家自然科学基金资助项目61172090
2014-11-15(万方平台首次上网日期,不代表论文的发表时间)
共5页
3261-3265