计算机应用

作者：李昡熠, 周鋆

单位：1.国防科技大学 系统工程学院，长沙 410073；2.国防科技大学 信息系统工程重点实验室，长沙 410073

关键词：贝叶斯网络,结构学习,关联规则分析,Apriori算法,BDeu评分

基金：国家自然科学基金资助项目(61703416);长沙市杰出创新青年培养计划项目(KQ2009009)

贝叶斯网络能够表示不确定知识并进行推理计算表达，但由于实际样本数据存在噪声和大小限制以及网络空间搜索的复杂性，贝叶斯网络结构学习始终会存在一定的误差。为了提高贝叶斯网络结构学习的准确度，提出了以最大频繁项集和关联规则分析结果为先验知识的贝叶斯网络结构学习算法BNSL-FIM 。首先从数据中挖掘出最大频繁项集并对该项集进行结构学习，之后使用关联规则分析结果对其进行校正，从而确定基于频繁项挖掘和关联规则分析的先验知识。然后提出一种融合先验知识的BDeu评分算法进行贝叶斯网络结构学习。最后在6个公开标准的数据集上开展了实验，并对比引入先验/不引入先验的结构与原始网络结构的汉明距离，结果表明所提算法与未引入先验的BDeu评分算法相比显著提高了贝叶斯网络结构学习的准确度。

来源：2021年第12期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第12期