基于课程学习权重集成的贝叶斯结构学习算法研究

作     者：刘凯越 周鋆 LIU Kaiyue;ZHOU Yun

作者机构：国防科技大学信息系统工程重点实验室湖南长沙410073 

出 版 物：《应用科技》 (Applied Science and Technology)

年 卷 期：2024年第51卷第1期

页      面：1-9页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(62276262) 湖南省科技创新计划(2021RC3076) 长沙市优秀青年创新者培训班项目(KQ2009009) 

主　　题：贝叶斯网络 结构学习 课程学习 权重 边约束 权重互信息 集成学习 无向图骨架 

摘      要：从大量复杂的数据中学习贝叶斯网络(Bayesian network,BN)一直是一个难点问题,本文借鉴课程学习的思想,引入了一种适合于BN中节点之间互相影响程度的测量,然后划分课程阶段,分阶段构造无向图骨架,并利用优化函数对骨架进行优化;通过集成策略,将各个集成学习结果所得到的课程权重进行集合,并通过边过滤来减少错误边的出现;最后,通过爬山搜索构建BN结构。实验结果表明,在4个标准数据集上,本文所提方法具有较高的精确度和稳定性。与多种传统贝叶斯结构学习(Bayesian network structure learning,BNSL)方法相比,本文所提方法性能平均提高了37.18%。本文分析结果可为BNSL的增量学习过程进一步提供参考。