[发明专利]贝叶斯网络结构自适应学习方法和装置、存储设备以及终端设备

摘要

本发明公开了一种贝叶斯网络结构自适应学习方法和装置、存储设备以及终端设备，所述方法包括接收用于迭代生成BN结构的观测样本；根据所述观测样本的节点间的节点序列构建邻接矩阵，并基于条件独立性测试，随机设置所述条件独立性测试的显著性水平以更新所述邻接矩阵，获得第G代种群根据所述第G代种群执行迭代寻优过程，其中，所述迭代寻优过程包括交叉操作、条件独立性测试的显著性水平的更新和变异操作。采用本发明实施例，能够在结构学习过程程中动态调整结构搜索空间的规模大小并防止潜在最优解丢失。

主权项

一种贝叶斯网络结构自适应学习方法，其特征在于，包括：接收用于迭代生成BN结构的观测样本；所述观测样本包括多个节点；根据所述观测样本的节点间的节点序列构建邻接矩阵，并基于条件独立性测试，随机设置所述条件独立性测试的显著性水平以更新所述邻接矩阵，获得第G代种群；其中，一个种群个体对应一个邻接矩阵，一个邻接矩阵对应于一个显著性水平；G的初始值为0；根据所述第G代种群执行以下迭代寻优过程：根据所述第G代种群的每个种群个体的个体适应度，选择参与交叉操作的种群个体进行交叉操作，获得第G+1代种群；对于所述第G+1代种群的每一个种群个体，根据该种群个体的结构复杂度，更新对该种群个体进行条件独立性测试的显著性水平，以调整该种群个体对应的邻接矩阵，获得第G+2代种群；根据所述第G+2代种群的每一个种群个体的个体适应度，计算每一个种群个体的变异概率，并对每一个种群个体执行变异操作，获得第G+3代种群；判断G是否满足迭代阈值；若是，则从所述第G+3代种群中选取结构最优的种群个体作为所述观测样本的BN结构；若否，则对G加3，返回继续根据所述第G代种群执行所述迭代寻优过程。