一种利用不可行解的贝叶斯网学习算.pdfVIP

No．5 第38卷第5期 同济大学学报(自然科学版) V01．38 IINⅣERsITY(NATI瓜AI．SCIDicE) 2010 2010年5月 J01mNAI，0F11miGJI May 文章编号：0253．374X(2010)05．0744．05 一种利用不可行解的贝叶斯网学习算 李小琳1，何湘东2，陈传明1 (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；nlinim哪description 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[1]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一[2|． 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[3‘7]，有力推动了贝叶斯网理论和应用的研究进 301 中图分类号：TP 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 An to Network ApproachLearningBayesian by 面得到广泛应用．目前贝叶斯网络结构学习算法有： InfeasibleSolutions 基于评分搜索的方法[4]，基于依赖分析的方法[8]，以 Using 及把这两种方法结合起来的混合学习方法[9]．基于 UXiaolin 1，xia训on92．删Chuanmin91 评分搜索算法的基本思想是根据评分函数搜索得到 (1．Schoolof 210093，China； Management，NanjingUniversity，Nanjing 对样本数据拟合得最好的贝叶斯网结构，此类算法 2．NetworkInformation Center，NanjingUniversity，Nanjing 一般来说效率较低，而且易于陷入局部最优解，当变 210093．(’bjna) 量较多时较难实现．基于依赖分析的算法是通过分 network Bayesian 析样本中蕴含的依赖关系来构造网络结构，此类算 Abstract：Existing learningapproaches basedonsearchand workwi