基于双尺度约束模型的BN结构自适应学习算法

作     者：戴晶帼 任佳 董超 杜文才 DAI Jing-Guo;REN Jia;DONG Chao;DU Wen-Cai

作者机构：海南大学信息与通信工程学院海口570228 自然资源部海洋环境探测技术与应用重点实验室广州510310 澳门城市大学数据科学研究院澳门999078 

基　　金：国家国际科技合作专项(2015DFR10510) 国家自然科学基金(61562018) 国家海洋局南海维权技术与重点实验室开放基金(1704) 海口市重点科技计划项目(2017041)资助 

出 版 物：《自动化学报》 (Acta Automatica Sinica)

年 卷 期：2021年第47卷第8期

页      码：1988-2001页

摘      要：在无先验信息的情况下,贝叶斯网络(Bayesian network,BN)结构搜索空间的规模随节点数目增加呈指数级增长,造成BN结构学习难度急剧增加.针对该问题,提出基于双尺度约束模型的BN结构自适应学习算法.该算法利用最大互信息和条件独立性测试构建大尺度约束模型,完成BN结构搜索空间的初始化.在此基础上设计改进遗传算法,在结构迭代优化过程中引入小尺度约束模型,实现结构搜索空间小尺度动态缩放.同时,在改进遗传算法中构建变异概率自适应调节函数,以降低结构学习过程陷入局部最优解的概率.仿真结果表明,提出的基于双尺度约束模型的BN结构自适应学习算法能够在无先验信息的情况下保证BN结构学习的精度和迭代寻优的收敛速度.

主 题 词：贝叶斯网络 结构学习 约束模型 遗传算法 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.16383/j.aas.c180226

馆 藏 号：203104924...