基于评分缓存的节点序空间下BN结构学习

TP181; 针对大规模贝叶斯网络结构学习容易陷入局部最优的问题,提出一种节点序空间下迭代局部搜索算法.在局部搜索环节,设计评分缓存的选择插入算子和次优解的容忍策略,评估自适应的纵向插入邻域,攻克由盲目搜索导致的邻域受限问题.在迭代重启环节,采用等价类结构和深度优先遍历的转换机制,避免由随机扰动导致的评分退化问题.通过相融实验分别验证搜索和迭代算法的有效性.实验结果表明,相较于现有的主流方法,迭代局部搜索算法能够精确地学习大规模网络结构....

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 46; no. 12; pp. 4091 - 4107
Main Authors 高晓光, 闫栩辰, 王紫东, 刘晓寒, 冯奇
Format Journal Article
LanguageChinese
Published 西北工业大学电子信息学院,陕西西安 710129 01.12.2024
Subjects
node ordering
贝叶斯网络
局部搜索
iterative restart
结构学习
Bayesian network
local search
迭代重启
structure learning
节点序
Online AccessGet full text
ISSN1001-506X
DOI10.12305/j.issn.1001-506X.2024.12.18

Cover

More Information
Summary:TP181; 针对大规模贝叶斯网络结构学习容易陷入局部最优的问题,提出一种节点序空间下迭代局部搜索算法.在局部搜索环节,设计评分缓存的选择插入算子和次优解的容忍策略,评估自适应的纵向插入邻域,攻克由盲目搜索导致的邻域受限问题.在迭代重启环节,采用等价类结构和深度优先遍历的转换机制,避免由随机扰动导致的评分退化问题.通过相融实验分别验证搜索和迭代算法的有效性.实验结果表明,相较于现有的主流方法,迭代局部搜索算法能够精确地学习大规模网络结构.
ISSN:1001-506X
DOI:10.12305/j.issn.1001-506X.2024.12.18