具有隱變量的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)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(xué)習(xí)貝葉斯網(wǎng)絡(luò)。在學(xué)習(xí)貝葉斯網(wǎng)絡(luò)模型過程中有一個(gè)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(fù)雜的依賴關(guān)系，簡(jiǎn)化網(wǎng)絡(luò)結(jié)構(gòu)，并對(duì)網(wǎng)絡(luò)的學(xué)習(xí)、推理和預(yù)測(cè)等產(chǎn)生重要影響。因此，學(xué)習(xí)含有隱變量的貝葉斯網(wǎng)絡(luò)模型成為該領(lǐng)域的一個(gè)重要研究?jī)?nèi)容；發(fā)現(xiàn)隱變量并確定其在網(wǎng)絡(luò)中的位置是一個(gè)充滿挑戰(zhàn)性的問題，同時(shí)也具有重要的科學(xué)意義和較高的應(yīng)用價(jià)值。
　　論文中，將針對(duì)具有隱變量

2、的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)展開一系列的探討。具有隱變量的網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)內(nèi)容主要包括兩個(gè)方面：一是，檢測(cè)網(wǎng)絡(luò)中含有的隱變量的個(gè)數(shù)；二是，確定具有隱變量的局部網(wǎng)絡(luò)結(jié)構(gòu)。針對(duì)這兩個(gè)方面的研究?jī)?nèi)容，本文所開展的工作具體研究如下：
　　第一，針對(duì)現(xiàn)有學(xué)習(xí)方法都難以準(zhǔn)確確定網(wǎng)絡(luò)中所含有隱變量個(gè)數(shù)的缺點(diǎn)，提出一種基于結(jié)構(gòu)分解和因子分析的貝葉斯網(wǎng)絡(luò)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(qiáng)依賴關(guān)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(xiàn)率確定變量子集中隱變量個(gè)數(shù)；然后，利用負(fù)荷矩陣確定與隱變量相關(guān)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(cè)試所發(fā)現(xiàn)的隱變量的有效性。
　　第二，針對(duì)僅利用觀察數(shù)據(jù)不能夠準(zhǔn)確確定隱變量與顯變量之間因果關(guān)系的問題，提出將擾動(dòng)學(xué)習(xí)方法(Intervention Learning)與S-FAHF算法相結(jié)合學(xué)習(xí)含有隱變量的貝葉斯網(wǎng)絡(luò)最優(yōu)結(jié)構(gòu)的算法。該算法的基本思想是：首先，從