论文部分内容阅读
贝叶斯网络是一种处理不确定性知识的有效工具,因为其能很大程度降低推理的复杂度,在数据挖掘、机器学习等领域得到了广泛的应用.贝叶斯网络结构学习是其重要研究内容之一,其中K2算法由于其能有效避免似然等价问题,以及在时间复杂度和准确度上都优于大部分经典算法,因此备受研究者关注.针对K2算法受节点序约束,采用贪婪搜索技术处理模型选择导致的寻优效率差的问题,研究者们提出了不同的改进策略,根据是否有领域知识可分为基于先验序和搜索先验序两类方法.对近几年改进的K2算法进行了调研,并对K2算法未来的研究改进做了总结和展望