《一种利用不可行解的贝叶斯网学习算》.pdfVIP

第38卷第 5期 同济 大 学 学 报(自然 科 学 版) Vo1．38No．5 2010年 5月 JOURNALOFTONGJIUNⅣERSIT NAT呲 SCID E) May2010 文章编号：0253—374X(2010)05—0744-05 DOI：10．3969／j．issn．0253—374x．2010．05．020 一 种利用不可行解的贝叶斯网学习算 李小琳 ，何湘东 ，陈传明 (1，南京大学 管理学院，江苏 南京 210093；2．南京大学 网络信息中心，江苏 南京 210093) 摘要：现有的基于打分搜索的贝叶斯网学习方法都是利用满 learning；minimum descrip~onlength；evolutionarycomputing 足有向无环图的可行解进行学习．在搜索过程中遇到不可行 解时，这类算法简单地去除不可行解或将不可行解转化为可 行解．然而，有的不可行解中往往蕴含着有价值的信息．本文 贝叶斯网l1]是联合概率分布的图形表示，它具 提出一种新的贝叶斯网学习方法 ISEC，同时利用可行解和不 有坚实的理论基础、形象直观的知识表示形式、灵活 可行解学习贝叶斯网络，并提出针对不可行解的选择策略， 的推理能力和接近人类思维特征的决策机制，已成 在学习过程中可以有效地利用不可行解中的有用信息．实验 为机器学习和数据挖掘等领域中处理不确定性的主 结果表明，ISEC能够比仅利用可行解的方法更快地学习到更 要方法之～[． 优的贝叶斯网． 基于数据建立贝叶斯网是近 10年来贝叶斯网 关键词：机器学习；贝叶斯网；结构学习；最小描述长度； 研究的主要 内容之一，已相继产生了许多著名的算 进化计算 法c3I7]，有力推动了贝叶斯网理论和应用的研究进 中图分类号：TP301 文献标识码：A 程．它在医疗诊断、软件智能化、金融风险分析、宏观 经济决策、生物信息分析及 Internet信息处理等方 AnApproachtoLearningBayesianNetworkby 面得到广泛应用 ．目前贝叶斯网络结构学习算法有： UsingInfeasibleSolutions 基于评分搜索的方法l4]，基于依赖分析的方法[8J，以 及把这两种方法结合起来的混合学习方法_g]．基于 LIXiaolin ，HEXiangclong ，6Y-1ENChuanming 评分搜索算法的基本思想是根据评分函数搜索得到 (1．SchoolofManagement，NanjingUniversity，Nanjing210093，China； 对样本数据拟合得最好的贝叶斯网结构，此类算法 2．Network ＆ Information Center，Nanjing University，Nanjing 一 般来说效率较低 ，而且易于陷入局部最优解 ，当变 2】0093。China) 量较多时较难实现 ．基于依赖分析的算法是通过分 Abstract：Existing Bayesian network learning approaches 析样本 中蕴含的依赖关系来构造网络结构，此类算 based Oil search and scoring usually work w