基于最大主子图分解的贝叶斯网络等价类学习算法

针对基于约束方法学习贝叶斯网络(BN) 结构的不足, 以及随着条件集的增大, 利用统计方法进行条件独立(CI) 测试不稳定等问题, 提出一种基于最大主子图分解(MPD) 的BN等价类学习算法. 该算法首先通过MPD分解技术对BN的道德图进行分解; 然后利用0 阶和1 阶CI 测试识别部分子图中的V结构, 对于初步未定的V结构利用局部评分搜索确定, 从而避免了冗余检验, 有效地减小了条件集的维数, 并且提高了算法的效率; 最后, 理论证明以及实验结果表明了所提出算法的有效性和合理性.