基于超結(jié)構(gòu)的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí).pdf

1、隨著信息技術(shù)的飛速發(fā)展，特別是大數(shù)據(jù)的出現(xiàn)，如何在海量數(shù)據(jù)中獲取有益的信息，已成為數(shù)據(jù)分析和預(yù)測的研究熱點(diǎn)．貝葉斯網(wǎng)絡(luò)能夠直觀、形象地表達(dá)數(shù)據(jù)之間的依賴關(guān)系，已被廣泛應(yīng)用到機(jī)器學(xué)習(xí)、醫(yī)療診斷和信息科學(xué)等眾多領(lǐng)域．在貝葉斯網(wǎng)絡(luò)中，常常使用節(jié)點(diǎn)表示變量，使用有向邊表示變量間的因果依賴關(guān)系．針對現(xiàn)有算法中存在的不足之處，本文提出了一種基于超結(jié)構(gòu)的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法．全文的主要工作如下：
　　本文首先研究了貝葉斯網(wǎng)絡(luò)框架學(xué)習(xí)．針對數(shù)據(jù)

2、量較少或缺失情形下，基于條件獨(dú)立檢驗(yàn)學(xué)習(xí)貝葉斯網(wǎng)絡(luò)框架時(shí)邊的缺失問題，本文提出了一種有效地學(xué)習(xí)貝葉斯網(wǎng)絡(luò)框架的算法．該算法首先進(jìn)行邊緣獨(dú)立和一階條件獨(dú)立檢驗(yàn)，然后利用節(jié)點(diǎn)間的必要路方法識別可能在條件獨(dú)立檢驗(yàn)階段被刪除的邊，最后得到一個(gè)超結(jié)構(gòu)，有效地避免了學(xué)習(xí)框架時(shí)，出現(xiàn)邊的缺失問題．本文算法與已有算法進(jìn)行了比較，實(shí)驗(yàn)仿真結(jié)果表明本文提出的算法在時(shí)間復(fù)雜度和網(wǎng)絡(luò)框架的精確度方面都有明顯的改善．
　　其次研究了小樣本情況下貝葉斯網(wǎng)絡(luò)結(jié)

3、構(gòu)學(xué)習(xí)．在樣本量較小情況下，由于條件獨(dú)立檢驗(yàn)的高階獨(dú)立檢驗(yàn)具有不可靠性，導(dǎo)致得到的網(wǎng)絡(luò)結(jié)構(gòu)的精確度偏低．對于這種問題，本文給出了一種基于超結(jié)構(gòu)思想學(xué)習(xí)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的算法，即Opt01HC算法．該算法首先利用超結(jié)構(gòu)的方法構(gòu)建一個(gè)無向圖，它能夠?qū)W習(xí)到適度冗余的邊，很好地權(quán)衡了缺失邊和冗余邊的數(shù)量，然后采用搜索算法對得到的無向圖進(jìn)行邊的定向，最后得到一個(gè)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)．在標(biāo)準(zhǔn)數(shù)據(jù)集ASIA、ALARM、INSURANCE上進(jìn)行了仿真實(shí)驗(yàn)，結(jié)