貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法改進(jìn)研究.pdf

1、貝葉斯網(wǎng)絡(luò)是人工智能領(lǐng)域研究不確定環(huán)境下知識表示和因果推理的主要工具之一。目前從數(shù)據(jù)集中自動構(gòu)建貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)學(xué)習(xí)算法已經(jīng)成為研究的熱點之一。MMHC算法是Tsamardinos提出的一種較新的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法，與其他經(jīng)典的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法相比，該算法在網(wǎng)絡(luò)學(xué)習(xí)質(zhì)量和學(xué)習(xí)效率上普遍更優(yōu)，是一種比較優(yōu)秀的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法，但是也存在很多不足有待改進(jìn)。 本文主要在分析了MMHC算法存在的不足的基礎(chǔ)上，提出了相應(yīng)的

2、改進(jìn)措施。本文主要研究工作和創(chuàng)新點體現(xiàn)在以下三個方面： 1.本文分析了BDeu評分準(zhǔn)則存在的不足，研究BDeu、K2、MIT、MDL 4種評分準(zhǔn)則在MMHC算法的搜索評分階段對算法學(xué)習(xí)效果的影響，實驗表明K2評分準(zhǔn)則的學(xué)習(xí)效果最優(yōu)，普遍優(yōu)于BDeu評分準(zhǔn)則。MMHC算法采用K2評分準(zhǔn)則替代BDeu評分準(zhǔn)則可以有效的改進(jìn)學(xué)習(xí)效果。 2.MMHC算法的評分搜索階段應(yīng)用貪婪搜索算法使得算法容易陷入局部最優(yōu)。針對這一不足本文考察