一种基于马尔可夫毯分解的抽样近似推理算法
贝叶斯网络是不确定性知识表达与推理的有效工具之一.现有的贝叶斯推理算法不同程度地存在推理精度低或推理时间高的问题,为此,本文提出了一种基于马尔可夫毯分解的抽样近似推理算法(LSIA-MB),LSIA-MB 算法利用HITON_MB 算法寻找查询结点的马尔可夫毯,进而,利用动态规划方法学习边的后验概率,确定变量之间的因果关系,获得一个关于查询结点的Markov 局部网络模型；最后,在Markov 局部模型上进行Gibbs 抽样推理.通过对Markov 局部模型的抽样,极大降低推理的计算维数；同时,由于Markov 局部网络模型包含了与目标结点相关的完整信息,保证了局部抽样推理的精度.算法分析应用于标准Alarm 网的实验结果均表明,LSIA-MB 算法不但显著地降低了推理时间,而且也提高了推理精度.LSIA-MB 算法在上海证券交易所股票交易网络上的推理预测结果与实际情况基本一致,表现出了很强的实用性.
近似推理 贝叶斯网络 马尔科夫毯 吉布斯抽样
王浩 曹龙雨 姚宏亮 李俊照
合肥工业大学 计算机与信息学院 合肥230009
国内会议
长春
中文
1-11
2012-08-04（万方平台首次上网日期，不代表论文的发表时间）