基于因果效应的贝叶斯网络结构学习方法.PDFVIP

———————————————————————————————————————————————— 基于因果效应的贝叶斯网络结构学习方法 作者 安宁，滕越，杨矫云，李廉 机构 合肥工业大学 国家智慧养老国际科技合作基地 DOI 10.3969/j.issn.1001-3695.2018.07.0348 基金项目 安徽省重点研究与开发计划项目（1704e1002221）；国家自然计学基金青年基金资助项目 ；国家高等学校学科创新引智计划资助项目（B14025） 预排期卷 《计算机应用研究》2018 年第35 卷第12 期 摘要 从数据中学习贝叶斯网络结构是一个NP-hard 问题，提高网络结构学习算法精度是研究的重 难点。基于Judea Pearl 因果理论，提出了一种贝叶斯网络结构学习方法，提升了现有算法的 准确率。利用改进的 Pearl 因果效应和BDe 评分，学习网络节点优先次序，利用 K2 算法学 习初始网络，并通过BDe 评分反向调节、互信息和 BDe 评分删除边以修正学习结果。实验 在贝叶斯网络标准数据集ASIA 、ALARM 上进行，在样本量为2000~20000 的20 组实验中， 学习准确率较MMHC 算法平均提升16%，准确率标准差较MMHC 算法平均缩小17%。实验 表明，基于因果效应的方法较MMHC 算法有更好地性能。 关键词 贝叶斯网络；阿尔茨海默病；K2 算法；因果效应；BDe 评分；互信息 作者简介 安宁（1971-），男，教授，博士，主要研究方向为空间数据管理 公共危机信息管理 移动健 ､ ､ 康 普适计算；滕越（1992-），男，硕士研究生，主要研究方向为机器学习 因果学习；杨矫 ､ ､ 云（1987-）男（通信作者），副教授，博士，主要研究方向为健康信息挖掘 因果理论 ､ （jiaoyun@ ）；李廉（1951-），男，教授，博士，主要研究方向为因果理论 机器 ､ 学习． 中图分类号 TP301.6 访问地址 /article/02-2018-12-084.html 投稿日期 2018 年7 月10 日 修回日期 2018 年8 月24 日 基于因果效应的贝叶斯网络结构学习方法 ———————————————————————————————————————————————— 发布日期 2018 年9 月12 日 引用格式 安宁, 滕越, 杨矫云, 李廉. 基于因果效应的贝叶斯网络结构学习方法[J/OL]. 2018, 35(12). [2018-09-12]. /article/02-2018-12-084.html. 35 12 Vol. 35 No. 12 第 卷第 期 计算机应用研究 优先出版 Application Research of Computers Online Publi