论文部分内容阅读
针对贝叶斯网络的结构学习问题，基于并行随机抽样的思想提出了结构学习算法PCMHS，构建多条并行的收敛于Boltzmann分布的马尔可夫链。首先基于节点之间的互信息，进行所有马尔可夫链的初始化，在其迭代过程中，基于并行的MHS抽样总体得到产生下一代个体的建议分布，并通过对网络中弧和子结构的抽样产生下一代个体。算法PCMHS收敛于平稳分布，具有良好的学习精度，而该算法又通过使其初始分布和建议分布近似于其平稳分布，有效提高了马尔可夫链的收敛速度。在标准数据集上的实验结果验证了算法PCMHS的学习效率和学习精度明