本文選題：鏈圖　切入點(diǎn)：結(jié)構(gòu)學(xué)習(xí)　出處：《電子學(xué)報(bào)》2017年10期 　論文類型：期刊論文

【摘要】：鏈圖是貝葉斯網(wǎng)絡(luò)和馬爾科夫網(wǎng)絡(luò)的自然推廣,具有較強(qiáng)的表達(dá)能力.但目前關(guān)于鏈圖結(jié)構(gòu)學(xué)習(xí)算法的研究較少.本文基于貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)的Grow-Shrink算法思想,提出一種鏈圖等價(jià)類結(jié)構(gòu)學(xué)習(xí)算法.該算法首先利用網(wǎng)絡(luò)中結(jié)點(diǎn)的局部鄰域信息,學(xué)習(xí)結(jié)點(diǎn)的鄰接結(jié)點(diǎn)恢復(fù)網(wǎng)絡(luò)骨架;然后根據(jù)鏈圖復(fù)合體有向邊的特點(diǎn),利用條件獨(dú)立測試確定網(wǎng)絡(luò)的復(fù)合體有向邊,從而恢復(fù)鏈圖結(jié)構(gòu).理論分析和實(shí)驗(yàn)結(jié)果表明了該算法的正確性和有效性.
[Abstract]:Chain graph is a natural generalization of Bayesian network and Markov network, and has strong expressive ability. However, there are few researches on chain graph structure learning algorithm. This paper is based on the idea of Grow-Shrink algorithm for Bayesian network structure learning. In this paper, a chain graph equivalent class structure learning algorithm is proposed. The algorithm firstly uses the local neighborhood information of the node in the network to recover the network skeleton from the adjacent node, and then according to the characteristic of the directed edge of the chain graph complex, Conditional independent testing is used to determine the directed edge of the complex of the network and the chain graph structure is restored. The theoretical analysis and experimental results show that the algorithm is correct and effective.
【作者單位】： 西安電子科技大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)院;
【基金】：國家自然科學(xué)基金(No.61373174) 國家青年科學(xué)基金(No.11401454)
【分類號】：TP181

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李立峰;;鏈圖的概念格表示[J];計(jì)算機(jī)科學(xué);2014年02期

2 賈海洋;陳娟;劉大有;;貝葉斯網(wǎng)結(jié)構(gòu)學(xué)習(xí)搜索空間分析[J];計(jì)算機(jī)工程與科學(xué);2010年09期

3 王雙成;林士敏;陸玉昌;;貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)分析[J];計(jì)算機(jī)科學(xué);2000年10期

4 高曉光;肖秦琨;;非平穩(wěn)隨機(jī)系統(tǒng)動態(tài)貝葉斯結(jié)構(gòu)學(xué)習(xí)關(guān)系網(wǎng)[J];航空學(xué)報(bào);2007年06期

5 胡黃卿;液壓系統(tǒng)的邏輯鏈圖[J];南昌水專學(xué)報(bào);1999年04期

6 冀俊忠;張鴻勛;胡仁兵;劉椿年;;基于禁忌搜索的貝葉斯網(wǎng)結(jié)構(gòu)學(xué)習(xí)算法[J];北京工業(yè)大學(xué)學(xué)報(bào);2011年08期

7 周本達(dá);田旭;;基于遺傳算法和強(qiáng)化學(xué)習(xí)的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法[J];微型機(jī)與應(yīng)用;2007年S1期

8 張少中,王秀坤;基于約束最大信息熵的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法[J];小型微型計(jì)算機(jī)系統(tǒng);2005年06期

9 馬壯,楊善林,胡小建;貝葉斯網(wǎng)結(jié)構(gòu)學(xué)習(xí)的研究現(xiàn)狀及發(fā)展趨勢[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年08期

10 程澤凱;秦鋒;徐浩;;TANC-BIC結(jié)構(gòu)學(xué)習(xí)算法的改進(jìn)[J];計(jì)算機(jī)技術(shù)與發(fā)展;2006年05期

相關(guān)會議論文 前3條

1 鄧志東;張秀葦;;具有結(jié)構(gòu)學(xué)習(xí)的神經(jīng)模糊推理模型及其在fRNA基因預(yù)測中的應(yīng)用[A];2005年中國智能自動化會議論文集[C];2005年

2 劉向南;王浩;姚宏亮;;一種基于x~2測試的貪婪搜索結(jié)構(gòu)學(xué)習(xí)算法[A];2011中國儀器儀表與測控技術(shù)大會論文集[C];2011年

3 程澤凱;泰鋒;;貝葉斯網(wǎng)絡(luò)分類器結(jié)構(gòu)學(xué)習(xí):基于啟發(fā)式的G2算法[A];2005年“數(shù)字安徽”博士科技論壇論文集[C];2005年

相關(guān)博士學(xué)位論文 前2條

1 曹杰;貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)與應(yīng)用研究[D];中國科學(xué)技術(shù)大學(xué);2017年

2 李剛;知識發(fā)現(xiàn)的圖模型方法[D];中國科學(xué)院軟件研究所;2001年

相關(guān)碩士學(xué)位論文 前10條

1 趙夢夢;同調(diào)結(jié)構(gòu)學(xué)習(xí)算法及其應(yīng)用研究[D];蘇州大學(xué);2015年

2 許晴;基于Finsler幾何的結(jié)構(gòu)學(xué)習(xí)算法研究[D];蘇州大學(xué);2015年

3 李國梁;貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)的混合優(yōu)化方法研究[D];西北工業(yè)大學(xué);2015年

4 李碩豪;基于圖分塊的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)研究[D];國防科學(xué)技術(shù)大學(xué);2014年

5 包義釗;基于MFO的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)及應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2017年

6 曾杰鵬;基于繼承的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法研究與應(yīng)用[D];華南理工大學(xué);2012年

7 胡仁兵;動態(tài)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)的研究[D];北京工業(yè)大學(xué);2009年

8 張鴻勛;基于K2評分的貝葉斯網(wǎng)結(jié)構(gòu)學(xué)習(xí)算法的研究[D];北京工業(yè)大學(xué);2009年

9 胡謙謙;Markov邏輯網(wǎng)及其在社會網(wǎng)絡(luò)中的應(yīng)用研究[D];北京交通大學(xué);2010年

10 韓紹金;小樣本貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法及應(yīng)用[D];上海交通大學(xué);2014年

，

本文編號：1574309