10.3969/j.issn.1001-506X.2018.04.12
基于融合先验方法的贝叶斯网络结构学习
从数据中学习贝叶斯网络结构是一个非确定性多项式困难(non-deterministic polynomial hard, NP-hard)问题,当数据样本不充分时难以获得准确的模型,此时利用先验信息是一种有效的途径.但是利用先验信息的过程中如何适应不正确的先验信息,是一个待解决的问题.针对此问题,提出一种融合先验的方法进行贝叶斯网络结构学习,在评分搜索法的两个环节中解决这个问题:第一,提出了新的融合不确定先验信息的评分函数,考虑了先验信息与数据集的权衡.第二,提出了融合不确定先验信息的搜索策略,增强先验信息利用的鲁棒性.所提方法适用于任何启发式搜索.仿真结果表明了所提方法能有效地利用正确的先验信息,而且对错误的先验信息有较强的适应能力.
贝叶斯网络、结构学习、融合先验信息、评分函数、启发式搜索
40
TP183(自动化基础理论)
国家自然科学基金61573285资助课题
2018-04-26(万方平台首次上网日期,不代表论文的发表时间)
共7页
790-796