基于約束的貝葉斯網(wǎng)絡結(jié)構(gòu)學習算法研究.pdf

1、結(jié)構(gòu)學習、參數(shù)學習和推理是貝葉斯網(wǎng)絡的三個主要研究內(nèi)容，網(wǎng)絡結(jié)構(gòu)模型可以通過學習觀察數(shù)據(jù)而得到，參數(shù)可以由網(wǎng)絡結(jié)構(gòu)和數(shù)據(jù)確定．顯然，如何確定貝葉斯網(wǎng)絡的結(jié)構(gòu)是學習貝葉斯網(wǎng)絡的焦點．探索有效的學習結(jié)構(gòu)的算法是搭建網(wǎng)絡結(jié)構(gòu)的重要環(huán)節(jié)．本文主要闡述了國內(nèi)外貝葉斯網(wǎng)絡結(jié)構(gòu)研究領(lǐng)域的現(xiàn)狀，著重介紹了貝葉斯網(wǎng)絡的結(jié)構(gòu)學習算法，分析了各類算法的優(yōu)點和不足，重點研究了基于約束的貝葉斯網(wǎng)絡結(jié)構(gòu)的學習算法．針對當前算法所面臨的較高的時間復雜度及算法學習過程

2、中會出現(xiàn)的定向矛盾兩大問題進行了深刻的探討，本文的主要貢獻如下：
　　(1)基于約束的結(jié)構(gòu)學習算法依賴于大量的條件獨立檢驗，因此，如何降低條件獨立檢驗次數(shù)是基于約束的結(jié)構(gòu)學習算法的研究目標之一．本文提出了一個有效的學習貝葉斯網(wǎng)絡結(jié)構(gòu)模型的算法．首先，通過條件獨立檢驗學習貝葉斯網(wǎng)絡框架，與已有的同類型算法相比，降低了條件獨立檢驗的次數(shù)，加快了算法的執(zhí)行速度；然后，依據(jù)框架發(fā)現(xiàn)過程中檢驗的條件獨立關(guān)系及分割集確定 V結(jié)構(gòu)，據(jù)此確定了部

3、分邊的方向．實驗表明，與經(jīng)典的 PC算法相比，新算法降低了條件獨立檢驗的次數(shù)，學習效率更高；在小樣本集的學習結(jié)果表明，新算法的學習精度優(yōu)于TPDA算法．
　　(2)經(jīng)典的基于約束的貝葉斯網(wǎng)絡結(jié)構(gòu)學習算法：首先通過條件獨立檢驗確定框架，然后根據(jù)獨立關(guān)系和分割集確定部分邊的方向．理論上，此類學習方式可以得到正確的貝葉斯網(wǎng)絡結(jié)構(gòu)模型．然而，由于噪聲、條件獨立檢驗的局部性和統(tǒng)計誤差等原因，學習過程中會產(chǎn)生定向矛盾．本文根據(jù)條件獨立檢驗得出