一种基于随机抽样的贝叶斯网络结构学习算法

计算机科学 ›› 2009, Vol. 36 ›› Issue (2): 199-202.

一种基于随机抽样的贝叶斯网络结构学习算法

胡春玲胡学钢

合肥工业大学计算机与信息学院,合肥230009

出版日期:2018-11-16 发布日期:2018-11-16
基金资助:
本文受安徽省自然科学基金课题（编号050420207）资助.

HU Chun-ling ,HU Xue-gang （School of Computer and Information, Hefei University of Technology, Hefei 230009, China）

Online:2018-11-16 Published:2018-11-16

摘要/Abstract

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PCMHS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

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

Abstract: Based on the ideas of parallel stochastic sampling, this paper put forward an algorithm PCMHS for learning Bayesian networks. The PCMHS algorithm runs multi parallel Markov chains converging to Boltzmann distributions. The algorithm PCMHS, based on the mu

Key words: Bayesian networks, Structure learning, Stochastic sampling, Markov chain, Proposal distribution

胡春玲胡学钢. 一种基于随机抽样的贝叶斯网络结构学习算法[J]. 计算机科学, 2009, 36(2): 199-202. https://doi.org/

HU Chun-ling ,HU Xue-gang （School of Computer and Information, Hefei University of Technology, Hefei 230009, China）. [J]. Computer Science, 2009, 36(2): 199-202. https://doi.org/

参考文献

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed