Bayes网络学习的MCMC方法-控制理论与应用.PDF

第20卷第 4期 控 制 理 论 与 应 用 VO1．20No．4 2OO3年 8月 ControlTheory＆ Applicatiom Aug．2OO3 文章编号 ：1000—8152(2003)04—0582—03 Bayes网络学习的MCMC方法 岳 博 ，焦李成 (西安电子科技大学 雷达信号处理国家重点实验室，陕西 西安 710071) 摘要：基于 Bayes统计理论 ，提出了一种从数据样本中学习 Bayes网络的Markov链 MonteCarlo(MCMC)~ ． 首先通过先验概率和数据样本的结合得到未归一化的后验概率 ，然后使用此后验概率指导随机搜索算法寻找 “好” 的网络结构模型 ．通过对 Alarm 网络的学习表明了本算法具有较好的性能． 关键词 ：Bayes网络；M v链 MonteCarlo方法 ；模 型选择 ；随机搜索 中图分类号：TP301 文献标识码 ：A M CM C approach toBayesian networkslearning YUE Bo．JIAO Li—cheng (KeytabforRadarsi Processing，XidianUnive~ty，ShanxiXi’an710071，China) Abst耐 ：A Bayesiannetworkisagraphicalmodelthatencodespfobabi]islJcrelationshipsamongvariablesofinterest．In manycases，theautho~hopedtolearnBayesian~tworksfrom d—a—ta．UsingtheMftlkOVchainMonteCarlo(MCMC)ap- proach，thispaper 0FosedaBayesian statisticalmethodforlearningBayesiannetworksfrom data，intermsofnetwccksn1lc— nⅡesandparameters．Priorspecificationand stochasticsearchweIetwoimpom atcomponentsof恤 approach．The(xInbina- tionofpriorprobability andd，．．a．．．—ta—samplesinducedaposteriol-distributionthatwouldguidethestochasticsearchtowardstherr．t- work structureshavingthemaximalposteriorprol~ ty．11=leperformanceofthisapproachisillustratedbythelearningofthe Alarm networkfrom d，．．a．．．m——． Keywords：Bayesiannetworks；MarkovchainM onteCarlo；modelselection；~3dlasficsearch l 引言 (Introduction) 等，然后使用贪婪算法搜索好的网络结构模型 ． 作为一种表示概率空间的模型 ，Bayes网络利用 本文使用 Bayes统计和 IVlarlkov链 MonteCarlo 一 组随机变量之间的条件独立关系减少了对这组变