【技术实现步骤摘要】
一种基于a*搜索算法学习限制树宽贝叶斯网络的方法，属于学习贝叶斯网络的领域。
技术介绍
1、贝叶斯网络普遍用于推理。例如，给定一些证据，查询一些变量的后验概率。这些推理的计算，是非确定多项式难题，而且所有精确算法的最坏时间复杂度是树宽的指数级，所以限制树宽是实现算法高效推理的必要条件；除了有效推理之外，限制树宽可以改善模型在测试数据上的性能，从而改进模型的泛化能力。
2、根据贝叶斯网络学习方法的精度可以将目前的学习方法分成精确学习方法和近似学习方法。目前，已经有许多学者专利技术了学习最优贝叶斯网络的精确学习方法以及限制树宽的近似学习方法，例如，changhe yuan将学习贝叶斯网络的问题看成是寻找最短路径的问题，使用a*搜索算法学习最优贝叶斯网络(changhe yuan；malone，brandon.learningoptimal bayesian networks：a shortest path perspective.[j].journalofartificial intelligence research，2013...
【技术保护点】
1.一种基于A*搜索算法学习限制树宽贝叶斯网络的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于A*搜索算法学习限制树宽贝叶斯网络的方法，其特征在于：步骤一所述通过独立选择方法，为每个节点创建候选父集，需要计算每个候选父集的BIC评分，候选父集的元素个数小于树宽。
3.根据权利要求1所述的一种基于A*搜索算法学习限制树宽贝叶斯网络的方法，其特征在于：步骤二所述创建空集，空集作为A*搜索算法的初始状态initialState，initialState包含属性parentSet、f-score、k-clique和set，其中par...
【技术特征摘要】
1.一种基于a*搜索算法学习限制树宽贝叶斯网络的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于a*搜索算法学习限制树宽贝叶斯网络的方法，其特征在于：步骤一所述通过独立选择方法，为每个节点创建候选父集，需要计算每个候选父集的bic评分，候选父集的元素个数小于树宽。
3.根据权利要求1所述的一种基于a*搜索算法学习限制树宽贝叶斯网络的方法，其特征在于：步骤二所述创建空集，空集作为a*搜索算法的初始状态initialstate，initialstate包含属性parentset、f-score、k-clique和set，其中parentset表示父集，f-score表示路径代价，k-clique表示k团，set表示包含的节点；parentset、set、k-clique初始化为空集，f-score初始化公式为f-score＝∑i，jmax(bici，1+bici，2+bici，3+…+bici，j)；initialstate添加到open队列；open队列是优先队列，以f-score作为排序规则，f-score大的状态排到队列的头部。
4.根据权利要求1所述的一种基于a*搜索算法学习限制树宽贝叶斯网络的方法，其特征在于：步骤三所述基于a*搜索算法学习贝叶斯网络，a*搜索算法将步骤一计算的每个节点的父集的bic评分作为搜索路径的代价；a*搜索算法的代价计算公式为f-cost＝g-cost+h-cost；g-cost为currentstate的f-cost，h-cost为步骤四中被选择的候选父集的bic评分；a*搜索算法从步骤二创建的空集作为初始状态进行搜索；从open队列中取出队列头部的元素，该元素作为currentstate，currentstate包含属性parentset、f-score、k-clique和set，其中parentset表示父集，f-score表示路径代价，k-clique表示k团，set表示包含的节点；同时将currentstate放到closed队列中；判断currentstate中是否包含所有的元...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。