[發明專利]貝葉斯網絡結構自適應學習方法和裝置、存儲設備以及終端設備

在審

• 申請號: 201710665092.9
• 申請日: 2017-08-07
• 公開（公告）號: CN107480768A
• 公開（公告）日: 2017-12-15
• 發明（設計）人: 張育;戴晶幗;任佳;王福齋
• 申請（專利權）人: 海南海大信息產業園有限公司
• 主分類號: G06N3/00
• 分類號: G06N3/00;G06N3/04;G06N3/08
• 代理公司: 北京科億知識產權代理事務所(普通合伙)11350
• 代理人: 趙蕊紅

1.一種貝葉斯網絡結構自適應學習方法，其特征在于，包括：

接收用于迭代生成BN結構的觀測樣本；所述觀測樣本包括多個節點；

根據所述觀測樣本的節點間的節點序列構建鄰接矩陣，并基于條件獨立性測試，隨機設置所述條件獨立性測試的顯著性水平以更新所述鄰接矩陣，獲得第G代種群；其中，一個種群個體對應一個鄰接矩陣，一個鄰接矩陣對應于一個顯著性水平；G的初始值為0；

根據所述第G代種群執行以下迭代尋優過程：

根據所述第G代種群的每個種群個體的個體適應度，選擇參與交叉操作的種群個體進行交叉操作，獲得第G+1代種群；

對于所述第G+1代種群的每一個種群個體，根據該種群個體的結構復雜度，更新對該種群個體進行條件獨立性測試的顯著性水平，以調整該種群個體對應的鄰接矩陣，獲得第G+2代種群；

根據所述第G+2代種群的每一個種群個體的個體適應度，計算每一個種群個體的變異概率，并對每一個種群個體執行變異操作，獲得第G+3代種群；

判斷G是否滿足迭代閾值；

若是，則從所述第G+3代種群中選取結構最優的種群個體作為所述觀測樣本的BN結構；

若否，則對G加3，返回繼續根據所述第G代種群執行所述迭代尋優過程。

2.如權利要求1所述的貝葉斯網絡結構自適應學習方法，其特征在于，所述根據所述觀測樣本的節點間的節點序列構建鄰接矩陣，并基于條件獨立性測試，隨機設置所述條件獨立性測試的顯著性水平以更新所述鄰接矩陣，獲得第G代種群，具體為：

對于所述觀測樣本中的每一個節點，計算所述節點與其他節點之間的互信息量，從中選取與所述節點之間互信息量最大的節點，隨機指定所述節點和與所述節點之間信息量最大的節點的連接邊的方向，獲得所述觀測樣本對應的BN結構的節點序列；

根據所述節點序列，建立鄰接矩陣；其中，所述鄰接矩陣的行序對應所述節點序列，所述鄰接矩陣為A＝(e_ij)；e_ij代表所述節點序列的第i個節點與第j個節點是否存在連接邊，若是則為1，若否則為0；所述鄰接矩陣為上三角矩陣，預設所述鄰接矩陣的上三角部分的所有元素均設置為1；

基于一階條件獨立性測試，計算所述鄰接矩陣中上三角部分的任意兩個節點之間的卡方統計量，并根據不同的約束集，選擇卡方統計量對應的最大p^_值作為所述任意兩個節點之間的p^_值；

隨機遍歷所述一階條件獨立性測試的顯著性水平的數值作為條件獨立性閾值，對于每一個條件獨立性閾值，均判斷所述鄰接矩陣的任意兩個節點之間的p^_值是否大于所述條件獨立性閾值，若是，則將所述兩個節點在所述鄰接矩陣中對應的元素值更改為0，獲得每一個顯著性水平對應的鄰接矩陣；

根據每一個顯著性水平對應的鄰接矩陣，構建第G代種群。

3.如權利要求1所述的貝葉斯網絡結構自適應學習方法，其特征在于，所述根據所述第G代種群的每個種群個體的個體適應度，選擇參與交叉操作的種群個體進行交叉操作，獲得第G+1代種群，具體包括：

依據從所述第G代種群中隨機選取兩個種群個體并在所述兩個種群個體中選取個體適應度最高的種群個體的種群個體選擇方式來選擇種群個體，直至選取到的種群個體數量滿足所述第G代種群的個體數量為止，由選取到的所有種群個體構成新種群；

對所述新種群中的所有種群個體進行交叉操作，獲得第G+1代種群。

4.如權利要求4所述的貝葉斯網絡結構自適應學習方法，其特征在于，所述交叉操作采用單點交叉算子。