基于条件互信息和概率突跳机制的贝叶斯网络结构学习算法.pdfVIP

第 42卷 第 3期 计 算 机 科 学 Vo1．42No．3 2015年 3月 Computer Science M ar2O15 基于条件互信息和概率突跳机制的贝叶斯 网络结构学习算法 魏中强 徐宏醋 李 文 桂小林 (西安交通大学陕西省计算机网络重点实验室 西安710049) 摘 要 贝叶斯网络分类器的精确构造是NP难问题 ，使用K2算法可以有效地缩减搜索空间，提高学习效率。然而 K2算法需要初始的节点次序作为输入，这在缺少先验信息的情况下很难确定；另一方面，K2算法采用贪婪的搜 索策 略 ，容易陷入局部最优解。提出了一种基于条件互信息和概率突跳机制的贝叶斯 网络结构学习算法 (CMI—PK2算 法)，该算法首先利用条件互信息生成有效的节点次序作为K2算法的输入，然后利用概率突跳机制改进K2算法的搜 索过程来提高算法的全局寻优能力，学习较为理想的网络结构。在两个基准网络Asia和Alarm上进行 了实验验证， 结果表明CMIPK2算法具有更高的分类精度和数据拟合程度。 关键词 贝叶斯网络分类器，结构学习，条件互信息，概率突跳，K2算法 中图法分类号 TP311 文献标识码 A DOI 10．11896／j．issn．1002—137X 2015．3．044 BayesianNetworkStructureLearningAlgorithm BasedonConditional MutualInformationandProbabilisticJumpingMechna ism W EIZhong-qiang XU Hong-zhe LIW en GUIXiao-lin (ShaanxiKeyLabofComputerNetwork，Xi’anJiaotongUniversity，Xi’an710049，China) Abstract PreciseconstructionofBayesiannetwork classifierisanNP-hardproblem．K2algorithm canreducesearch spaceeffectivelyandimprovelearningefficiency，butitrequirestheinitialnodeorderingasinput，which isverylimited bytheabsenceoftheprioriinformation．Ontheotherhand，K2algorithm usesagreedysearch strategyandiseasyto fallintolocaloptimizationsolutions．Thispaperpresentedanew Bayesiannetwork structurelearningalgorithm based onconditionalmutualinformationandprobabilisticjumpingmechanism．Firstly，conditionalmutualinformationisused todeterminetheinitialnodeorderingasinputofK2algorithm．Thenprobabilisticjumpingmechanism isintroducedinto K2algorithm toimprovethesearch processand theabilityofglobaloptimization，andlearnmorereasonablenetwork structure．ExperimentalresultsovertwobenchmarknetworksAsiaandAlarm show thatthisnew improvedalgorithm hashigher