贝叶斯网络是一种运用于知识推理的信息模型,为解决网络结构学习过程中K2算法易受节点顺序影响问题,提出了一种基于拓扑排序的贝叶斯结构学习方法。算法首先采用最大权重生成树算法确定节点间连接关系建立生成树;其次通过带环监测的深度优先搜索算法为节点进行拓扑排序;最后将深度优先搜索的排序提供给K2算法选取评分最高的网络结构作为结构学习结果。算法与采用广度优先搜索算法进行节点排序的结构学习结果比较表明,在大中型网络上的正确率和学习效率有良好效果。 法基于拓扑排序的K2算法经MWST算法为网络预先生成树，缩小后续K2算法搜索空间，再通过拓扑算法为树的节点变量为K2算法进行排序。 本文由公司网站网站采  转摘采集转载中国知网整理!  http://www.kuoguanji168.com/拓扑算法基本实现算法有Kahn算法和深度优先搜索算法(Depth－firstSearch，DFS)，在对搜索时间有严格要求的系统当中部分采用广度优先搜索(Breadth－firstsearch，BFS)。这里选择DFS算法为K2算法进行变量节点排序，并加入图的环检测，网络结构学习方法-电动折弯机数控滚圆机滚弧机张家港电动液压滚圆机滚弧机折弯机以解决变量节点数量过多和数据量过大可能引起的溢出问题。图1MWST－Topo－K2算法流程图3．2伪代码3．2．1MWST算法伪代码表1MWST算法伪代码输入:样本数据集D，节点变量数n，根节点输出:有向无环的最小生成树的邻接矩算节点变量Xi和Xj的联合概率分布5计算互信息Ixi(;x)j作为边exi(，x)j的权重6将各边的权重进行排序7从根节点出发添加权重最大的边，相应邻接矩阵元素置18whilei＜n－19do添加权重最大的边10if添加边后在结构中不构成环do11添加边，相应邻接矩阵元素置112else13舍弃这条边，相应邻接矩阵元素置014return邻接矩阵T3．2．2DFS排序［19］DFS方法使用递归实现，主要思想是选取一个顶点并访问所有与该顶点连接的点。具体做法为从入度为0的顶点xi出发，访问该顶点，然后依次从它可以到达的所有节点进行访问并且标记，寻找出度为0节点，即该出度为0的节点不再具有其他指向其他节点的边，直至图中所有与xi有路径相通的节点都被访问标记;若有向图中节?网络结构学习方法-电动折弯机数控滚圆机滚弧机张家港电动液压滚圆机滚弧机折弯机 本文由公司网站网站采  转摘采集转载中国知网整理!  http://www.kuoguanji168.com/