一种贝叶斯网络结构学习的混合随机抽样算法.pdf

《一种贝叶斯网络结构学习的混合随机抽样算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第40卷第5期计算机工程2014年5月Vb1．40NO．5ComputerEngineeringMav2014-人工智能及识别技术-文章编号：1000-3428(2014)05—0238—05文献标识码：A中图分类号：TPI8一种贝叶斯网络结构学习的混合随机抽样算法胡春玲，胡学钢29吕刚(1．合肥学院网络与智能信息处理重点实验室，合肥230602；2．合肥工业大学计算机与信息学院，合肥230009)摘要：贝叶斯网络结构学习的随机抽样算法存在收敛速度慢的问题，为此，结合均匀抽样和独立抽样，从初始样本、抽样方式和建议分布3个方面对抽样过程进行改进，提出一种混合

2、型马尔可夫链蒙特卡罗抽样算法(HSMHS)。基于节点之间的互信息生成网络结构的初始样本，在迭代抽样阶段，按一定的概率随机选择均匀抽样和独立抽样，并根据当前抽样的样本总体计算独立抽样的建议分布，以改善抽样过程的融合性，加快收敛速度。对算法进行正确性分析，证明其抽样过程收敛于网络结构的后验概率分布，可保持较高的学习精度。在标准数据集上的实验结果表明，HSMHS算法的学习效率和精度均高于同类算法MHS、PopMCMC和Order-MCMC。关健词：贝叶斯网络；结构学习；随机抽样；混合抽样；子结构抽样；建议分布AHybridStochasticSamplingAl

3、gorithmforBayesianNetworkStructureLearningHUChun-ling，HUXue—gang，LVGang(1．KeyLaboratoryofNetworkandIntelligentInformationProcessing，HefeiUniversity,Hefei230602，China；2．SchoolofComputerandInformation，HefeiUniversityofTechnology,Hefei230009，China)[Abstract]Accordingtoslowconvergence

4、speedofstochasticsamplingalgorithm，basedonuniformsamplerandindependentsampler,byimprovingconvergencespeedfromtheinitialsample，samplingmethodandproposaldistribution，ahybridma~ovchainMonteCarlosamplingalgorithm(HSMHS)isputforwardinthispaper．Basedonmutualinformationbetweennetworknode

5、s，itgeneratesinitialsamplesofnetworkstructure．Initerationsamplingphase，accordingtocertainprobabilitydistribution，itrandomlyselectsuniformsamplerorindependentsampler,andcomputsproposaldistributionofindependentsamplerbasedonthecurrentsamplestoimprovethemixingofsamplingprocess．Itcanb

6、eprovedthatsamplingprocessofHSMHSconvergestotheposteriorprobabilityofnetworkstructure，andthealgorithmhasagoodlearningaccuracy．ExperimentalresultsonstandarddatasetalsoverifythatbothlearningeficiencyandprecisionofHSMHSoutperformclassicalalgorithmsMHS，PopMCMCandOrder-MCMC．[Keywords]B

7、ayesiannetwork；structurelearning；stochasticsampling；hybridsampling；sub—structuresampling；proposaldistributionDOI：10．3969／j．issn．1000—3428．2014．05．049优的贝叶斯网络结构，而高维小样本的数据集D本身就具1概述有多个服从其后验概率分布P(sID)的网络结构S，因此，贝叶斯网络模型是一种可以处理不确定性问题最有效学习一个最优网络结构的点估计类学习算法通常不能提供的概率模型之一。如何从数据中学习贝叶斯网络一直是具可靠的

8、学习结果。有挑战性且非常活跃的研究领域_lj。贝叶斯网络的结构学马