论文研究-基于因果效应的贝叶斯网络结构学习方法.pdf

时间:2022-08-11 12:25:21
【文件属性】:
文件名称:论文研究-基于因果效应的贝叶斯网络结构学习方法.pdf
文件大小:1.03MB
文件格式:PDF
更新时间:2022-08-11 12:25:21
贝叶斯网络,阿尔茨海默病,K2算法,因果效应,BDe评分,互信息 从数据中学习贝叶斯网络结构是一个NP-hard问题,提高网络结构学习算法精度是研究的重难点。基于Pearl的因果理论,提出了一种贝叶斯网络结构学习方法,提升了现有算法的准确率。利用改进的Pearl因果效应和BDe评分,学习网络节点优先次序,利用K2算法学习初始网络,并通过BDe评分反向调节、互信息和BDe评分删除边以修正学习结果。实验在贝叶斯网络标准数据集ASIA、ALARM上进行,在样本量为2000~20 000的20组实验中,学习准确率较MMHC算法平均提升16%,准确率标准差较MMHC算法平均缩小17%。实验表明,基于因果效应的方法较MMHC算法有更好的性能。

网友评论