马尔科夫毯学习算法综述解析.docVIP

马尔科夫毯学习算法研究和进展* 傅顺开，Sein Minn (华侨大学 计算机科学与技术学院,福建省厦门市 361021） 摘 要: 马尔科夫毯（MB）在贝叶斯网络（BN）研究中较早被认识和定义，它是BN拓扑结构的重要组成部分。在1996年被证明是预测目标变量的最优特征子集。给定全局BN可以很容易推导出特定变量的MB，但BN结构的学习已知是NP问题。回顾了从1996年至今关于MB学习算法的17个典型工作，包括 (1) 基于MB的全局条件独立特征的KS、IAMB等8个算法，(2) 利用MB的局部条件独立特征的PCMB、IPC-MB等6个算法, （3）基于逻辑回归分析+局部条件独体特征的RA-MMMB算法，和 (4) 基于评分-搜索方法的DMB和RPDMB两个算法。讨论时兼顾理论和实用性内容，并统一/扩展了相关算法的伪代码（描述），对学术界和工业界研究人员都具参考价值。A Review of Markov Blanket Induction Algorithms FU Shun-kai, SEIN Minn (College of Computer Science and Technology, Huaqiao University, Xiamen Fujian 361021, China) Abstract: Markov blanket (MB) has