貝葉斯網(wǎng)絡(luò)是概率統(tǒng)計(jì)與圖論相結(jié)合的一種圖模型,已成功應(yīng)用于多個(gè)領(lǐng)域中。然而,僅依賴專家的領(lǐng)域知識(shí)構(gòu)建貝葉斯網(wǎng)絡(luò)非常困難。因此,從數(shù)據(jù)中學(xué)習(xí)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)已經(jīng)成為該研究領(lǐng)域的重點(diǎn)問題。針對(duì)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)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(xué)模型和條件互信息理論對(duì)原始搜索空間進(jìn)行縮減,并將求解得到的無(wú)向圖作為網(wǎng)絡(luò)的基礎(chǔ)骨架;之后利用爬山法確定骨架方向,并得到對(duì)應(yīng)的拓?fù)渑判?最后將節(jié)點(diǎn)順序作為K2算法的輸入以求得最終網(wǎng)絡(luò),并選用網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)及評(píng)分作為評(píng)價(jià)指標(biāo)在多個(gè)數(shù)據(jù)集上進(jìn)行對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明,所提算法在網(wǎng)絡(luò)重構(gòu)及原始數(shù)據(jù)匹配上具有更高的準(zhǔn)確度。

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

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

Ｋ２算法的輸入。４實(shí)驗(yàn)結(jié)果本文選用Ｒ語(yǔ)言貝葉斯學(xué)習(xí)工具包官網(wǎng)上的７個(gè)網(wǎng)絡(luò)１）作為原始網(wǎng)絡(luò)，并用其工具包對(duì)每個(gè)網(wǎng)絡(luò)生成了２０００條與原始網(wǎng)絡(luò)同分布的數(shù)據(jù)。每個(gè)數(shù)據(jù)集的節(jié)點(diǎn)數(shù)、邊數(shù)以及原始網(wǎng)絡(luò)對(duì)應(yīng)的ＢＩＣ評(píng)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(duì)邊的導(dǎo)通性進(jìn)行....

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

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

本文編號(hào)：4046069