南京邮电大学学报(自然科学版)

作者：祁煜翔,钱龙霞,王友国,黄海平

单位：南京邮电大学 理学院,江苏 南京 210023南京邮电大学 理学院,江苏 南京 210023；中国气象局 高影响天气重点开放实验室，湖南 长沙 410073南京邮电大学 理学院,江苏 南京 210023南京邮电大学 计算机学院,江苏 南京 210023；南京邮电大学 江苏省无线传感网高技术研究重点实验室,江苏 南京 210023

关键词：贝叶斯网络；结构学习；缩放框架；评分方法；浣熊优化算法

基金：国家自然科学基金（42375016）、教育部人文社会科学研究规划基金（23YJAZH111）和中国气象局高影响天气专项重点开放实验室开放课题资助项目

贝叶斯网络在进行概率推理时，寻找最优的网络结构是一个NP-hard问题。为了准确模拟节点之间的因果关系，提出基于缩放框架的改进型网络结构学习算法。首先，利用缩放框架进行因果分析，通过斜率矩阵判断节点之间的因果关系强度，以此为基础构建网络搜索空间，提高了网络结构的初始评分；其次，使用基于评分方法的浣熊优化算法寻找评分最高的网络结构，增强了在贝叶斯网络中的评分搜索能力；最后,对评分最高的结构进行加弧、减弧和转向弧操作，寻找拟合程度最高的最优结构。通过在不同复杂度的标准网络上进行模拟实验，结果表明：所提算法收敛速度更快，能够在较短时间内找到最优结构，且结构学习的评分更高，收敛精度较高。由此说明该算法在准确性和搜寻效率方面更有优势。

来源：2024年第06期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2024年第06期