[发明专利]基于试探搜索的贝叶斯网络结构学习方法及设备

权利要求书

1.一种基于试探搜索的贝叶斯网络结构学习方法，其特征在于，包括：

步骤一、随机选取贝叶斯网络结构空间中的一个点作为搜索中心点，并初始化搜索半径、累计搜索半径；

步骤二、基于所述搜索中心点、所述搜索半径，采用随机搜索操作，生成除搜索禁忌表以及历史最优记录表之外的多个随机样本；

步骤三、将所述搜索中心点以及多个所述随机样本加入所述搜索禁忌表，计算所述搜索中心点以及各个所述随机样本的BIC评分，以获得BIC评分最大值，并在累积搜索半径与最大BIC评分的关系曲线中标记所述BIC评分最大值及其对应的搜索半径；

步骤四、将所述关系曲线中的拐点加入所述历史最优记录表，并判断当前累计搜索半径与上一拐点对应的累计搜索半径之间的差值是否大于预设的结束阈值，若是，结束搜索，并输出所述历史最优记录表中最新更新的点，否则，执行步骤五；

步骤五、判断当前累计搜索半径是否大于预设的中心重置阈值，若是，更新所述搜索中心点为上一拐点，并初始化搜索半径、累计搜索半径后重复步骤二至步骤四，否则，将所述搜索半径和所述累计搜索半径均加一后重复步骤二至步骤四。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：

在步骤一之前，基于训练数据构建贝叶斯网络结构空间。

3.如权利要求2所述的方法，其特征在于，所述BIC评分根据公式1计算：

其中，g表示贝叶斯网络结构空间中的点，D表示训练数据，BIC(g|D)表示贝叶斯网络结构空间中的点的BIC评分，X_i表示第i个节点，r_i表示X_i可能的取值个数，q_i表示X_i的父节点取值的组合数；m_ijk表示X_i取第k个值、X_i的父节点取值为第j个组合的样本个数，m_ij表示X_i的父节点取值为第j个组合的样本个数。

4.如权利要求1所述的方法，其特征在于，所述初始化搜索半径、累计搜索半径，包括：

设置所述搜索半径为一，设置所述累计搜索半径为一。

5.如权利要求1所述的方法，其特征在于，所述随机搜索操作包括：加边、减边、以及转边。

6.如权利要求1所述的方法，其特征在于，所述多个随机样本的个数根据公式2计算：

其中，n表示节点数。

7.如权利要求1所述的方法，其特征在于，所述预设的结束阈值为10。

8.如权利要求1所述的方法，其特征在于，所述预设的中心重置阈值为3。

9.一种基于试探搜索的贝叶斯网络结构学习设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至8中任一项所述的基于试探搜索的贝叶斯网络结构学习方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现如权利要求1至8中任一项所述的基于试探搜索的贝叶斯网络结构学习方法的步骤。