具有隱變量的貝葉斯網(wǎng)絡結(jié)構(gòu)學習研究.pdf

1、過去十多年里，大量的研究都集中在通過觀察數(shù)據(jù)學習貝葉斯網(wǎng)絡。在學習貝葉斯網(wǎng)絡模型過程中有一個重要問題是，存在隱藏的或者潛在的變量。這些不可觀察的變量卻能夠匯聚顯變量之間復雜的依賴關系，簡化網(wǎng)絡結(jié)構(gòu)，并對網(wǎng)絡的學習、推理和預測等產(chǎn)生重要影響。因此，學習含有隱變量的貝葉斯網(wǎng)絡模型成為該領域的一個重要研究內(nèi)容；發(fā)現(xiàn)隱變量并確定其在網(wǎng)絡中的位置是一個充滿挑戰(zhàn)性的問題，同時也具有重要的科學意義和較高的應用價值。
　　論文中，將針對具有隱變量

2、的貝葉斯網(wǎng)絡結(jié)構(gòu)學習展開一系列的探討。具有隱變量的網(wǎng)絡結(jié)構(gòu)學習內(nèi)容主要包括兩個方面：一是，檢測網(wǎng)絡中含有的隱變量的個數(shù)；二是，確定具有隱變量的局部網(wǎng)絡結(jié)構(gòu)。針對這兩個方面的研究內(nèi)容，本文所開展的工作具體研究如下：
　　第一，針對現(xiàn)有學習方法都難以準確確定網(wǎng)絡中所含有隱變量個數(shù)的缺點，提出一種基于結(jié)構(gòu)分解和因子分析的貝葉斯網(wǎng)絡隱變量發(fā)現(xiàn)算法(S-FAHF)。S-FAHF算法的基本思想：首先，利用聯(lián)合樹算法生成具較強依賴關系的變量子集

3、；其次，利用因子分析思想，通過求變量子集的特征值和累積貢獻率確定變量子集中隱變量個數(shù)；然后，利用負荷矩陣確定與隱變量相關的顯變量；最后，利用BIC打分函數(shù)和數(shù)據(jù)擬合度函數(shù)測試所發(fā)現(xiàn)的隱變量的有效性。
　　第二，針對僅利用觀察數(shù)據(jù)不能夠準確確定隱變量與顯變量之間因果關系的問題，提出將擾動學習方法(Intervention Learning)與S-FAHF算法相結(jié)合學習含有隱變量的貝葉斯網(wǎng)絡最優(yōu)結(jié)構(gòu)的算法。該算法的基本思想是：首先，從