贝叶斯网络结构学习的CMIHC算法

作者：李晓晴; 于海征^*

来源：计算机科学, 2023, 50(S2): 561-567.

• 贝叶斯网络
• 结构学习
• 条件互信息
• 爬山算法
• CMIHC算法

贝叶斯网络源于对人工智能领域不确定问题的研究，是进行不确定问题推理和数据分析的重要工具。自贝叶斯网络结构学习诞生以来，已有众多成熟的结构学习算法，包括基于依赖分析的方法、基于评分搜索的方法和混合搜索的方法。其中利用信息论进行结构修剪已成为常用手段，但条件互信息中条件集的选取并没有统一标准，导致网络结构的修剪不一致。爬山算法利用3种搜索算子对网络结构进行局部更新，通过评分函数得到最优结构。结合信息论和爬山算法思想，提出一种新的结构学习算法——CMIHC(Conditional Mutual Information Hill Climbing)算法。该算法利用互信息和创建的条件集修剪初始连通图，对其进行定向，进而得到初始网络结构，结合评分函数和爬山算法的贪婪搜索策略得到最优网络结构。通过实验分析，在精度和效率上，CMIHC算法效果优于其他对比算法。