基于改进BIC评分的贝叶斯网络结构学习.pdfVIP

第 39卷 第 2期 系统工程与电子技术 Vo1．39 No．2 2017年 2月 SystemsEngineeringandElectronics February2017 文章编号 ：1001—506X(2017)02—0437—08 网址 ：WWW ． sys—ele．COITI 基于改进 BIC评分的贝叶斯网络结构学习 邸若海 ，高晓光 ，郭志高 (西北工业大学电子信息学院，陕西 西安 710129) 摘 要：引入专家知识已成为小数据集条件下贝叶斯网络建模 的主流方法，然而，专家知识是否正确直接决 定了算法的结果和性能。因此，在考虑专家知识正确性的基础上 ，本文对贝叶斯网络结构学习问题展开研究。首 先，建立一种基 于连接概率分布的结构约束模型来表 示专家知识 ，进 而结合该 约束模 型对 贝叶斯信 息准则 (Bayesianinformationcriterions，BIC)评分进行改进；最后，利用K2算法学习贝叶斯网络结构。实验结果表明，在 小数据集条件下本文所提算法不仅能将专家知识引入到学习过程中，进而改善 学习效果，并且对不完全正确的专 家知识有一定的适应性 。 关键词 ：贝叶斯 网络 ；小数据集 ；专家知识 中图分类号：TP18 文献标志码 ：A DOI：10．3969／j．issn．1001—506X．2017．O2．31 Bayesiannetworksstructurelearningbasedon improvedBIC scoring DIRuohai，GAO Xiaoguang，GUO Zhigao (SchoolofElectronicsandInformation，NorthwesternPoztechnicn}University，xi’an710129，China) Abstract：IntroducingexpertknowledgeisthemainmethodofBayesian networks(BN)modelingfrom smalldataset．Theresultsandperformanceofalgorithm areaffectedbythecorrectnessoftheexpertknow— Iedge．Therefore，consideringthecorrectnessoftheexpertknowledge，theproblem ofBN learningisstudied． Firstofall，thestructuralconstraintsmodelbasedonjointprobabilitydistributionisproposedtorepresentthe expertknowledge，andthentheBayesianinformationcriterions(BIC)isimprovedbycombiningwiththecon— straintmode1．Finally，theK2algorithm isusedforlearningBN．Theexperimentalresultsshow thatthepro— posedalgorithm cannotonlyintroducetheexpertknowledgeintotheprocessofBN learningtoimprovethelea— ringeffect，butalsohavesomeadaptabilitytothenotentirelycorrectexpertknowledge． Keywords：Bayesiannetworks(BN)；smalldataset