一种改进的贝叶斯网络结构学习分类模型及应用-计算机应用与软件.PDFVIP

第３０卷第３期　　　 计算机应用与软件 Ｖｏｌ３０Ｎｏ．３ ２０１３年３月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｍａｒ．２０１３ 一种改进的贝叶斯网络结构学习分类模型及应用 刘亚辉　谭暑秋　王　越 （重庆理工大学计算机科学与工程学院　重庆４０００５４） 摘　要　　贝叶斯网络结构的构建是贝叶斯网络分类的重点，有效的贝叶斯网络结构学习算法是构建贝叶斯网络的核心。改进的 贝叶斯网络结构学习算法使用交叉熵来确定弧的方向，用最小切割集来对有向图进行调整，并且加入环路检验以保证图中不会出现 回路。将算法应用到质量管理中，用实际的数据集进行实验，并与现有算法进行对比，结果表明该算法是行之有效的，且具有较高的 精确性。 关键词　　贝叶斯网络　结构学习　分类　交叉熵　最小切割集 中图分类号　ＴＰ３１１．１３　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１３．０３．０３２ ＡＮＩＭＰＲＯＶＥＤＢＡＹＥＳＩＡＮＮＥＴＷＯＲＫＳＴＲＵＣＴＵＲＡＬＬＥＡＲＮＩＮＧＣＬＡＳＳＩＦＩＣＡＴＩＯＮ ＭＯＤＥＬＡＮＤＩＴＳＡＰＰＬＩＣＡＴＩＯＮ ＬｉｕＹａｈｕｉ　ＴａｎＳｈｕｑｉｕ　ＷａｎｇＹｕｅ （ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｃｈｏｎｇｑｉｎｇ４０００５４，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　ＣｏｎｓｔｒｕｃｔｉｎｇＢａｙｅｓｉａｎｎｅｔｗｏｒｋｓｔｒｕｃｔｕｒｅｉｓｔｈｅｋｅｙｏｆｔｈｅＢａｙｅｓｉａｎｎｅｔｗｏｒｋｃｌａｓｓｉｆｉｅｒ，ａｎｅｆｆｅｃｔｉｖｅＢａｙｅｓｉａｎｎｅｔｗｏｒｋｓｔｒｕｃｔｕｒａｌ ｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍｉｓｔｈｅｃｏｒｅｉｎｂｕｉｌｄｉｎｇａＢａｙｅｓｉａｎｎｅｔｗｏｒｋ．ＴｈｅｉｍｐｒｏｖｅｄＢａｙｅｓｉａｎｎｅｔｗｏｒｋｓｔｒｕｃｔｕｒａｌｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍｕｓｅｓｔｈｅｃｒｏｓｓｅｎ ｔｒｏｐｙｔｏｄｅｔｅｒｍｉｎｅｔｈｅｄｉｒｅｃｔｉｏｎｏｆｔｈｅａｒｃ，ｔｈｅｎａｄｊｕｓｔｓｔｈｅｄｉｒｅｃｔｅｄｇｒａｐｈｗｉｔｈｍｉｎｉｍａｌｃｕｔｓｅｔ，ａｎｄｆｉｎａｌｌｙｕｓｅｓｔｈｅｌｏｏｐｔｅｓｔｔｏｅｎｓｕｒｅｔｈａｔ ｔｈｅｒｅｉｓｎｏｌｏｏｐａｐｐｅａｒｉｎｇｉｎｔｈｅｇｒａｐｈ．Ｔｈｅａｌｇｏｒｉｔｈｍｈａｓｂｅｅｎａｐｐｌｉｅｄｔｏｑｕａｌｉｔｙｍａｎａｇｅｍｅｎｔ，ａｎｄｔｈｅｅｘｐｅｒｉｍｅｎｔｗｉｔｈａｃｔｕａｌｄａｔａｓｅｔｓｉｓ ｃａｒｒｉｅｄｏｕｔａｓｗｅｌｌ．Ｂｙｃｏｍｐａｒｉｎｇｔｈｅｉｍｐｒｏｖｅｄａｌｇｏｒｉｔｈｍｗｉｔｈｅｘｉｓｔｉｎｇａｌｇｏｒｉｔｈｍｓ，ｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｉｓｏｎｅｉｓｅｆｆｅｃｔｉｖｅａｎｄｈａｓｈｉｇｈｅｒａｃｃｕ ｒａｃｙ． Ｋｅｙｗｏｒｄｓ　　Ｂａｙｅｓｉａｎｎｅｔｗｏｒｋ　Ｓｔｒｕｃｔｕｒｅｌｅａｒｎｉｎｇ　Ｃｌａｓｓｉｆｉｃａｔｉｏｎ　Ｃｒｏｓｓｅｎｔｒｏｐｙ　Ｍｉｎｉｍａｌｃｕｔｓｅｔ 的启发，文章提出了一个改进的贝叶斯网络结构学习分类模型， ０　引　言 整个算法的核心仍然是相应的贝叶斯网络结构的确定。在该算 法中，使用交叉熵这个概念作为判断弧的方向的依据，并且利用 贝叶斯网络是２０世纪８０年代在简单贝叶斯的基础上发展 环路检验来保证图中不会出现回路，而后利用最小切割集来对 起来的一种新的信息推理方法。同时它也是一种有向无环图， 已有的图进行相应调整，以此来构造一个与数据具有更好拟合 适用于表达与分析不确定性和概率性的事物，因为它是基于概 性的贝叶斯网络结构。最后根据该结构和文献［４］中Ｊｕｄｅａ 率分析、图论的一种不确