朱明敏;刘三阳 一种基于评分函数的贝叶斯网络学习分解算法。 （英语） Zbl 1263.62046号 J.应用。数学。 2012年，文章ID 974063，17 p.（2012）。 摘要：从数据中学习贝叶斯网络结构是一个典型的NP-hard问题。但是，当变量数量较大时，几乎现有的算法都具有很高的复杂性。为了解决这个问题，我们提出了一种将基于分解的方法和基于评分函数的方法相结合的学习BN结构的算法。首先，该算法将BNs的支持图分解为其最大素子图。然后通过K2取心贪婪搜索确定每个子图的局部边缘。最后一步是将有向子图进行组合，以获得最终的BN结构。理论和实验结果表明，我们的算法能够从小数据集中高效准确地识别复杂网络结构。 MSC公司： 2015年1月62日 贝叶斯推断 68T05年 人工智能中的学习和自适应系统 05摄氏90度 图论的应用 65立方厘米60 统计中的计算问题（MSC2010） 软件：BNT公司;RAI代码 PDF格式BibTeX公司 XML格式引用 \textit{M.Zhu}和\textit{S.Liu}，J.Appl。数学。2012年，文章ID 974063，17 p.（2012；Zbl 1263.62046） 全文： 内政部 OA许可证 参考文献： [1] L.Bouchaala、A.Masmoudi、F.Garguri和A.Rebai，“使用新的隐式分数改进贝叶斯网络中的结构学习算法”，《应用专家系统》，第37卷，第7期，第5470-5475页，2010年·doi:10.1016/j.eswa.2010.02.065 [2] A.Aussem和S.Rodrigues de Morais，“具有缺失数据的保守特征子集选择算法”，《神经计算》，第73卷，第4-6期，第585-590页，2010年·doi:10.1016/j.neucom.2009.05.019 [3] S.R.de Morais和A.Aussem，“一种新的基于马尔可夫边界的特征子集选择算法”，《神经计算》，第73卷，第4-6期，第578-584页，2010年·doi:10.1016/j.neucom.2009.05.018 [4] 孙寅、汤彦、丁顺生、吕顺生、崔永清，“利用缺失数据构建贝叶斯网络诊断轻度认知障碍”，《应用专家系统》，第38卷，第1期，第442-449页，2011年·doi:10.1016/j.eswa.2010.06.084 [5] V.Aquaro、M.Bardoscia、R.Bellotti、A.Consiglio、F.De Carlo和G.Ferri，《操作风险的贝叶斯网络方法》，《物理A》，第389卷，第8期，第1721-1728页，2010年·doi:10.1016/j.physa.2009.12.043 [6] J.Z.Ji，H.X.Zhang，R.B.Hu，C.N.Liu，“基于独立性测试和蚁群优化的贝叶斯网络学习算法”，《自动化学报》，第35卷，第3期，第281-288页，2009年·Zbl 1212.68129号 ·文件编号：10.3724/SP.J.1004.2009.00281 [7] Z.Geng，C.Wang和Q.Zhao，“DAG中v结构搜索的分解”，《多元分析杂志》，第96卷，第2期，第282-294页，2005年·Zbl 1137.62420号 ·doi:10.1016/j.jmva.2004.10.012 [8] X.Xie和Z.Geng，“有向非循环图结构学习的递归方法”，《机器学习研究杂志》，第9卷，第459-483页，2008年·Zbl 1225.68222号 [9] J.Cheng、R.Greiner、J.Kelly、D.Bell和W.Liu，“从数据中学习贝叶斯网络：基于信息理论的方法”，《人工智能》，第137卷，第1-2期，第43-90页，2002年·Zbl 0995.68114号 ·doi:10.1016/S0004-3702（02）00191-1 [10] J.-P.Pellet和A.Elisseeff，“使用马尔可夫毛毯进行因果结构学习”，《机器学习研究杂志》，第9卷，第1295-1342页，2008年·Zbl 1225.68205号 [11] C.Borgelt，“学习无向图形模型的条件独立算法”，《计算机与系统科学杂志》，第76卷，第1期，第21-33页，2010年·Zbl 1186.68356号 ·doi:10.1016/j.jcss.2009.05.003 [12] E.Perrier、S.Imoto和S.Miyano，“寻找给定超结构的最优贝叶斯网络”，《机器学习研究杂志》，第9卷，第2251-2286页，2008年·Zbl 1225.68206号 [13] L.M.de Campos，“基于互信息和条件独立性测试的贝叶斯网络学习评分函数”，《机器学习研究杂志》，第7卷，第2149-2187页，2006年·Zbl 1222.62036号 [14] N.Friedman、I.Nachmama和D.Peér，“从海量数据集学习贝叶斯网络结构：“稀疏候选”算法”，《第15届人工智能不确定性会议论文集》，第206-215页，瑞典斯德哥尔摩，1999年。 [15] G.Cooper和E.Hersovits，“从数据中归纳概率网络的贝叶斯方法”，《机器学习》，第9卷，第309-347页，1992年·Zbl 0766.68109号 [16] R.W.Robinson，“计算未标记的无环有向图”，《组合数学》，第622卷，第28-43页，1977年·Zbl 0376.05031号 [17] K.Olesen和A.Madsen，“贝叶斯网络的最大素子图分解”，IEEE系统学报，人与控制论B，第32卷，第21-31页，2002年。 [18] S.L.Lauritzen和D.J.Spiegelhalter，“图形结构概率的局部计算及其在专家系统中的应用”，《皇家统计学会学报》B卷，第50卷，第2期，第157-224页，1988年，讨论版·Zbl 0684.68106号 [19] 谢晓川，耿志刚，赵庆，“有向无环图的结构学习分解”，《人工智能》，第170卷，第4-5期，第422-439页，2006年·Zbl 1131.68510号 ·doi:10.1016/j.artint.2005.12.004 [20] D.J.Rose、R.E.Tarjan和G.S.Lueker，“图上顶点消除的算法方面”，SIAM计算杂志，第5卷，第2期，第266-283页，1976年·Zbl 0353.65019号 ·doi:10.1137/0205021 [21] R.E.Tarjan和M.Yannakakis，“简单线性时间算法测试图的弦性，测试超图的非循环性，并选择性地减少非循环超图”，《SIAM计算杂志》，第13卷，第3期，第566-579页，1984年·Zbl 0545.68062号 ·数字对象标识代码：10.1137/0213035 [22] I.Tsamardinos、L.E.Brown和C.F.Aliferis，“最大爬山贝叶斯网络结构学习算法”，机器学习，第65卷，第1期，第31-78页，2006年·Zbl 1470.68192号 ·doi:10.1007/s10994-006-6889-7 [23] R.E.那不勒斯人，学习贝叶斯网络，Prentice Hall，Englewood Cliffs，NJ，美国，2004年。 [24] I.Beinlich、G.Suermondt、R.Chavez和G.Cooper，“警报监测系统：信念网络的两种概率推理技术的案例研究”，载于1989年第二届欧洲医学人工智能会议论文集。 [25] J.Binder、D.Koller、S.Russell和K.Kanazawa，“带隐藏变量的自适应概率网络”，机器学习，第29卷，第2-3期，第213-244页，1997年·Zbl 0892.68079号 ·doi:10.1023/A:1007421730016 [26] K.Murphy，“Matlab的贝叶斯网络工具箱”，《计算科学与统计》，第33卷，第331-350页，2001年。 [27] C.F.Aliferis、A.R.Statnikov、I.Tsamardinos和L.E.Brown，“因果探索者：生物医学发现的因果概率网络学习工具包”，《医学和生物科学数学和工程技术国际会议论文集》（METMBS’03），第371-376页，2003年6月。 [28] R.Yehezkel和B.Lerner，“通过递归自治识别进行贝叶斯网络结构学习”，《机器学习研究杂志》，第10卷，第1527-1570页，2009年·Zbl 1235.68214号 ·doi:10.1007/11815921_16 [29] S.L.Lauritzen，《图形模型》，第17卷，克拉伦登出版社，美国纽约州纽约市，1996年·Zbl 0907.62001 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。