例会报告 MMHC算法

MMHC算法

时间:2017年4月26日

与会人员:

教师:阕夏

学生:丁汇通、王雨婷、严金戈、刘硕、江思源、景波、唐晨、陈绪、殷越、段优、滕越、刘杰

 

请假人员:姚小慧

 

本次例会报告主题是MMHC(The max-min hill-climbing Bayesian network)算法。探讨The max-min hill-climbing Bayesian network structure learning algorithm  Mach Learn (2006) 65:31–78等3篇论文。主要对MMHC算法的用途、方法以及时间复杂度进行了深刻的学习。

MMHC是用于生成贝叶斯网络的算法之一,其内容主要分为调用MMPC生成贝叶斯骨架和通过评分函数确定各边方向。其中,MMPC的中心思想是求出每个节点的父子节点及CPC,选择选择以CPC为条件的,所有与T依赖关系最小值取最大的变量,加入到T的候选节点集。最后,移除第一阶段中本不该有的变量。

在MMHC算法的评分阶段,根据论文(贝叶斯网络评分准则对MMHC算法学习效果的影响_何德琳 西南科技大学学报 2008年6月 23卷第2期)提供的实验结论,K2评分效果最好,BDeu和MIT次之,最后是MDL。此外,MMPC算法复杂度为总共时间复杂度:O(|V|*)。

报告最后,还就论文(计算机应用与技术 2016年6月 h-MMHC算法及其在主因素分析中的应用  李昌群、杨静、程文娟、安宁)进行了简要讨论。

anyShare分享到:
This entry was posted in 例会. Bookmark the permalink.

发表评论