用于因果分析的混合贝叶斯网络结构学习
Learning in a hybrid Bayesian network structure for causal analysis作者机构:上海立信会计学院信息科学系上海201620 南京大学软件技术国家重点实验室江苏南京210093
出 版 物:《智能系统学报》 (CAAI Transactions on Intelligent Systems)
年 卷 期:2007年第2卷第6期
页 面:82-89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:国家自然科学基金资助项目(60675036) 上海市重点学科基金资助项目(P1601) 上海市教委重点基金资助项目(05zz66)
主 题:因果分析 混合贝叶斯网络 最大似然树 Gibbs抽样
摘 要:目前主要结合扩展的熵离散化方法和打分-搜索方法进行混合贝叶斯网络结构学习,算法效率和可靠性低,而且易于陷入局部最优结构.针对问题建立了一种新的混合贝叶斯网络结构迭代学习方法.在迭代中,基于父结点结构和Gibbs sampling进行混合数据聚类,实现对连续变量的离散化,再结合贝叶斯网络结构优化调整,使贝叶斯网络结构序列逐渐趋于稳定,可避免使用扩展的熵离散化和打分-搜索所带来的主要问题.