一种基于逻辑回归分析的马尔科夫毯学习算法
针对当前的马尔科夫毯学习算法会引入不正确的子结点和配偶结点的问题，提出了一种基于逻辑回归分析的马尔科夫毯学习算法RA-MMMB。首先利用MMMB（最大最小马尔科夫毯）算法得到候选的马尔科夫毯，建立目标变量与候选马尔科夫毯的逻辑回归方程，通过回归分析在保留与目标变量相关性很强的变量的同时，去掉MMMB等算法所引入的弱相关性的错误变量以及其它的弱相关性变量；然后利用G2测试去掉回归分析后候选马尔科夫毯中的兄弟结点，得到目标变量的马尔科夫毯。RA-MMMB算法通过回归分析，减少了条件独立测试的次数，提高学习的精度。实验比较和分析表明，RA-MMMB算法能有效地发现变量的马尔科夫毯。
贝叶斯网络 马尔科夫毯 逻辑回归分析 算法优化
郭坤 王浩 姚宏亮 李俊照
合肥工业大学计算机与信息学院,安徽合肥 230009
国内会议
合肥
中文
1-7
2011-10-15（万方平台首次上网日期，不代表论文的发表时间）