摘要: 贝叶斯网络图结构的自动学习是机器学习中的一个挑战,针对传统算法学习效率低、难于去除冗余边及确定结构中边的方向等问题,提出了一种基于马尔可夫毯的贝叶斯网络结构学习算法.该算法改进了经典的马尔可夫毯学习算法,使之减少条件独立检验次数,并在后续确定有向结构方面更适应贝叶斯网络结构学习,同时给出了两种有向边方向确定的一般性解决方案,有效提高了学习算法的学习效率.最后建立了基于贝叶斯网络的互联云QoE评价模型,并进行了仿真实验,结果表明改进后的学习算法在预测准确率、学习效率上均优于传统算法.
中图分类号:
赵建喆, 吴辰铌, 王兴伟, 裴丽亚. 基于马尔可夫毯的贝叶斯网络结构学习算法[J]. 东北大学学报:自然科学版, 2020, 41(4): 464-470.
ZHAO Jian-zhe, WU Chen-ni, WANG Xing-wei, PEI Li-ya. Structure Learning Algorithm of Bayesian Networks Based on Markov Blanket[J]. Journal of Northeastern University Natural Science, 2020, 41(4): 464-470.