[发明专利]一种易推理贝叶斯网络的学习方法

权利要求书

1.一种易推理贝叶斯网络的学习方法，其特征在于：包括如下步骤：

步骤1：为预训练，即初始化贝叶斯网络，利用训练数据判断两个节点之间的互信息值，通过互信息初始化贝叶斯网络，训练数据为无缺省值的数据集，数据集提供的每一个数据项包含n个数据，分别对应n个节点的取值，每个节点的取值有多种情况，通过贝叶斯网络学习的过程中，首先要初始化贝叶斯网络，使用数据集两个节点之间的互信息来表达两个节点这间的相关性，当相关性达到一定程度时，就可以在贝叶斯网络中初始化边信息，遍历完任意两个n个节点中任意两个节点，初始化结束；

步骤2：为搜索，即在初始化的贝叶斯网络附近搜索与训练数据拟合程度更好的贝叶斯网络，寻找bic评分最高的贝叶斯网络，贝叶斯网络是具有n个节点的有向图，在对贝叶斯网络进行初始化之后，得到一个与训练数据初步拟合的贝叶斯网络，在这个贝叶斯网络的附近寻找与训练数据最拟合的贝叶斯网络结构；

步骤3：为寻找易推理的贝叶斯网络，即寻找一个推理效率高的贝叶斯网，在搜索到的贝叶斯网络附近搜索推理复杂度最低的贝叶斯网同时限制他的bic评分在一定的范围内，运用以上训练得到的贝叶斯网络集合，寻找一个在指定bic评分下的一个易推理的贝叶斯网络。

2.根据权利要求1所述的一种易推理贝叶斯网络的学习方法，其特征在于：步骤一包括：

步骤101：设定贝叶斯网络的节点数为n，训练数据有m组；

步骤102：初始化贝叶斯网络，计算任意两个节点之间的互信息，互信息公式：

通过上面的互信息公式，结合贝叶斯网络训练数据，得到每一个的节点的概率分布和任意两个节点这间的联合概率分布，计算得到两个节点的互信息Ⅰ(x,y)0.1并且在两个节点这间加上边之后不会形成回路时在贝叶斯网络的这两个节点之间加上有向边

步骤103：遍历完贝叶斯网络的所有节点，结束。输出贝叶斯网络。

3.根据权利要求1所述的一种易推理贝叶斯网络的学习方法，其特征在于：步骤2包括：

步骤201：对最大bic评分进行初始化，最大bic评分为初始化贝叶斯网络的bic评分：

步骤202：依次寻找贝叶斯网络临界矩阵中的每个边，对贝叶斯网临界矩阵中的这条边进行加边、减边和转边的操作，然后对变化之后的贝叶斯网进行bic评分。对此贝叶斯网的bic评分与最大bic评分进行比较，得到较大评分的贝叶斯网络，并将更优的贝叶斯网络放入到贝叶斯网络集合当中，重复步骤202直至遍历完临界矩阵中所有的边节点后得到新的贝叶斯网络；

步骤203：循环遍历寻找最优的贝叶斯网络，判断步骤202

得到的贝叶斯网络与步骤开始之前的贝叶斯网络是否相同，如果不相同，那么重复步骤202；学习得到贝叶斯网络，计算贝叶斯网络bic评分结果，利用costVE算法的和团树传播算法的时间复杂度分析得到贝叶斯网络推理效率评分结果。

4.根据权利要求1所述的一种易推理贝叶斯网络的学习方法，其特征在于：步骤三包括：

步骤301：设定一个bic评分下界；

步骤302：遍历贝叶斯网络集合，寻找满足bic评分界限的贝叶斯网络；

步骤303：对于满足条件的贝叶斯网络，采用贝叶斯网络，对其采用变量消元算法的时间复杂度和团树传播算法的时间复杂度进行打分；

步骤304：遍历完所有的贝叶斯网络，选择其中时间复杂度最低的贝叶斯网。