[發明專利]一種易推理貝葉斯網絡的學習方法

在審

• 申請號: 202110157200.8
• 申請日: 2021-02-03
• 公開（公告）號: CN113449869A
• 公開（公告）日: 2021-09-28
• 發明（設計）人: 吳振旭;余展鵬;侯方丞楊;孫晴晴;朱允剛
• 申請（專利權）人: 吉林大學
• 主分類號: G06N7/00
• 分類號: G06N7/00;G06N3/08;G06K9/62
• 代理公司: 北京市浩東律師事務所 11499
• 代理人: 李瓊

1.一種易推理貝葉斯網絡的學習方法，其特征在于：包括如下步驟：

步驟1：為預訓練，即初始化貝葉斯網絡，利用訓練數據判斷兩個節點之間的互信息值，通過互信息初始化貝葉斯網絡，訓練數據為無缺省值的數據集，數據集提供的每一個數據項包含n個數據，分別對應n個節點的取值，每個節點的取值有多種情況，通過貝葉斯網絡學習的過程中，首先要初始化貝葉斯網絡，使用數據集兩個節點之間的互信息來表達兩個節點這間的相關性，當相關性達到一定程度時，就可以在貝葉斯網絡中初始化邊信息，遍歷完任意兩個n個節點中任意兩個節點，初始化結束；

步驟2：為搜索，即在初始化的貝葉斯網絡附近搜索與訓練數據擬合程度更好的貝葉斯網絡，尋找bic評分最高的貝葉斯網絡，貝葉斯網絡是具有n個節點的有向圖，在對貝葉斯網絡進行初始化之后，得到一個與訓練數據初步擬合的貝葉斯網絡，在這個貝葉斯網絡的附近尋找與訓練數據最擬合的貝葉斯網絡結構；

步驟3：為尋找易推理的貝葉斯網絡，即尋找一個推理效率高的貝葉斯網，在搜索到的貝葉斯網絡附近搜索推理復雜度最低的貝葉斯網同時限制他的bic評分在一定的范圍內，運用以上訓練得到的貝葉斯網絡集合，尋找一個在指定bic評分下的一個易推理的貝葉斯網絡。

2.根據權利要求1所述的一種易推理貝葉斯網絡的學習方法，其特征在于：步驟一包括：

步驟101：設定貝葉斯網絡的節點數為n，訓練數據有m組；

步驟102：初始化貝葉斯網絡，計算任意兩個節點之間的互信息，互信息公式：

通過上面的互信息公式，結合貝葉斯網絡訓練數據，得到每一個的節點的概率分布和任意兩個節點這間的聯合概率分布，計算得到兩個節點的互信息Ⅰ(x,y)0.1并且在兩個節點這間加上邊之后不會形成回路時在貝葉斯網絡的這兩個節點之間加上有向邊

步驟103：遍歷完貝葉斯網絡的所有節點，結束。輸出貝葉斯網絡。

3.根據權利要求1所述的一種易推理貝葉斯網絡的學習方法，其特征在于：步驟2包括：

步驟201：對最大bic評分進行初始化，最大bic評分為初始化貝葉斯網絡的bic評分：

步驟202：依次尋找貝葉斯網絡臨界矩陣中的每個邊，對貝葉斯網臨界矩陣中的這條邊進行加邊、減邊和轉邊的操作，然后對變化之后的貝葉斯網進行bic評分。對此貝葉斯網的bic評分與最大bic評分進行比較，得到較大評分的貝葉斯網絡，并將更優的貝葉斯網絡放入到貝葉斯網絡集合當中，重復步驟202直至遍歷完臨界矩陣中所有的邊節點后得到新的貝葉斯網絡；

步驟203：循環遍歷尋找最優的貝葉斯網絡，判斷步驟202

得到的貝葉斯網絡與步驟開始之前的貝葉斯網絡是否相同，如果不相同，那么重復步驟202；學習得到貝葉斯網絡，計算貝葉斯網絡bic評分結果，利用costVE算法的和團樹傳播算法的時間復雜度分析得到貝葉斯網絡推理效率評分結果。

4.根據權利要求1所述的一種易推理貝葉斯網絡的學習方法，其特征在于：步驟三包括：

步驟301：設定一個bic評分下界；

步驟302：遍歷貝葉斯網絡集合，尋找滿足bic評分界限的貝葉斯網絡；

步驟303：對于滿足條件的貝葉斯網絡，采用貝葉斯網絡，對其采用變量消元算法的時間復雜度和團樹傳播算法的時間復雜度進行打分；

步驟304：遍歷完所有的貝葉斯網絡，選擇其中時間復雜度最低的貝葉斯網。