基于MRMR的貝葉斯網(wǎng)絡結構學習算法研究.pdf

1、貝葉斯網(wǎng)絡是一種概率圖模型，能夠高效表示隨機變量之間復雜的獨立依賴關系；即使在數(shù)據(jù)不完整的情況下，仍然具備高效的推理能力，因此越來越廣泛的用于決策、診斷和復雜系統(tǒng)的控制等領域。如何從原始數(shù)據(jù)中學習到貝葉斯網(wǎng)絡是其解決問題的前提。貝葉斯網(wǎng)絡由結構和參數(shù)組成，其中結構學習是核心。本文研究了貝葉斯網(wǎng)絡的理論知識和學習貝葉斯網(wǎng)絡的相關算法，分別在完整數(shù)據(jù)集和缺失數(shù)據(jù)集下，結合最大相關和最小冗余特征選擇技術，重點研究貝葉斯網(wǎng)絡結構學習算法。其研究

2、內(nèi)容主要體現(xiàn)在以下幾個方面：
　　1）針對完整數(shù)據(jù)集，改進了基于節(jié)點次序的最大相關和最小冗余貪婪貝葉斯結構學習算法（OMRMRG），該算法引入了最大相關和最小冗余特征選擇技術，并采用局部貝葉斯增量評分函數(shù)，在有限的數(shù)據(jù)集上提高了算法的精度和準確性。但由于是隨機產(chǎn)生初始節(jié)點的次序，因此增大了結果的不確定性。本文提出了一種生成優(yōu)化的節(jié)點初始次序的方法，在得到基本有序的節(jié)點初始次序后，再結合近鄰交換算子進行迭代搜索，能夠在較短的時間內(nèi)得

3、到更加正確的貝葉斯網(wǎng)絡結構。實驗結果表明了該方法的有效性。
　　2）針對缺失數(shù)據(jù)集，對于BN-GS算法中的隨機初始化缺失數(shù)據(jù)和隨機生成節(jié)點次序帶來的不確定性，利用節(jié)點次序預排序算法產(chǎn)生初始次序；對于每個缺值的節(jié)點變量，使用其在整個數(shù)據(jù)樣本中出現(xiàn)次數(shù)最多的那個取值作為初始化，加快了收斂的速度，提高了為邊確定方向時的正確率?；诔跏蓟蟮耐暾麛?shù)據(jù)，應用克魯斯卡爾算法建立最大權重生成樹，并按照上述的節(jié)點次序確定生成樹中邊的方向。在使用吉