一种基于χ2测试的贪婪搜索结构学习算法
针对爬山算法和GS算法在学习贝叶斯网络结构时很难得到近似全局最优结构和搜索次数多的问题，提出了一种基于χ2测试的贪婪结构学习算法ICGS算法。在爬山算法和GS算法在学习贝叶斯网络前，对初始化网络进行了全局性的处理，先通过χ2测试学习得到一个无向图，然后用条件相对平均熵对这个无向图判别方向，使得学习到网络中边的方向更加准确，最后用爬山算法和GS算法进行学习。实验证明ICGS算法与爬山算法、GS算法相比能够得到更优的近似全局最优结构，减少了搜索次数使得算法在时间性能上更高效。
贝叶斯网络 贪婪结构学习算法 全局最优结构
刘向南 王浩 姚宏亮
合肥工业大学计算机与信息学院 合肥 230009
国内会议
北京
中文
50-54
2011-04-01（万方平台首次上网日期，不代表论文的发表时间）