貝葉斯網(wǎng)絡是概率統(tǒng)計與圖論相結(jié)合的一種圖模型,已成功應用于多個領(lǐng)域中。然而,僅依賴專家的領(lǐng)域知識構(gòu)建貝葉斯網(wǎng)絡非常困難。因此,從數(shù)據(jù)中學習貝葉斯網(wǎng)絡結(jié)構(gòu)已經(jīng)成為該研究領(lǐng)域的重點問題。針對貝葉斯網(wǎng)絡結(jié)構(gòu)學習搜索空間太大的問題,根據(jù)多頭絨泡菌在覓食過程中展現(xiàn)出的保留重要覓食管道的特性,文中結(jié)合多頭絨泡菌相關(guān)數(shù)學模型和條件互信息理論對原始搜索空間進行縮減,并將求解得到的無向圖作為網(wǎng)絡的基礎(chǔ)骨架;之后利用爬山法確定骨架方向,并得到對應的拓撲排序;最后將節(jié)點順序作為K2算法的輸入以求得最終網(wǎng)絡,并選用網(wǎng)絡拓撲結(jié)構(gòu)及評分作為評價指標在多個數(shù)據(jù)集上進行對比實驗。實驗結(jié)果表明,所提算法在網(wǎng)絡重構(gòu)及原始數(shù)據(jù)匹配上具有更高的準確度。

【文章頁數(shù)】：5 頁

【部分圖文】：

圖１邊導通性與多頭絨泡菌求解器運行輪數(shù)的關(guān)系Ｆｉｇ．１Ｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｅｄｇｅｃｏｎｄｕｃｔｉｖｉｔｙａｎｄｎｕｍｂｅｒｏｆ

Ｋ２算法的輸入。４實驗結(jié)果本文選用Ｒ語言貝葉斯學習工具包官網(wǎng)上的７個網(wǎng)絡１）作為原始網(wǎng)絡，并用其工具包對每個網(wǎng)絡生成了２０００條與原始網(wǎng)絡同分布的數(shù)據(jù)。每個數(shù)據(jù)集的節(jié)點數(shù)、邊數(shù)以及原始網(wǎng)絡對應的ＢＩＣ評分信息如表１所列。多頭絨泡菌的參數(shù)Ｉ＝１，ｕ＝１，ａ＝４。首先對邊的導通性進行....

圖２Ｈａｉｌｆｉｎｄｅｒ原始網(wǎng)絡Ｆｉｇ．２ＰｒｉｍｉｔｉｖｅｎｅｔｗｏｒｋｏｆＨａｉｌｆｉｎｄｅ

７００１１－４５７３．９－４５７３．９Ｓａｃｈｓ１４１３２２９９－１５００８－１５１０３Ｃｈｉｌｄ２４２３４２６５－２３４３０－２２９０３Ｉｎｓｕｒａｎｃｅ３４３３８１２１３１３－２７５８２－２７６３９Ｗａｔｅｒ２５２２７２７２６６－２５８７８－２６１９１Ａｌａｒｍ４１３８８８１....

本文編號：4046069