时间不对称数据的动态贝叶斯网络结构学习

摘要

针对现有学习方法对完全时间不对称数据的动态贝叶斯网络学习不具有实用性，提出了借助传递变量来进行完全时间不对称数据的动态贝叶斯网络结构学习。该方法首先结合星形结构和Gibbs抽样进行相邻时间片间的传递变量学习，在此基础上，基于结点捧序和局部打分一搜索再进行动态贝叶斯网络局部结构学习，最后通过时序扩展便可实现动态贝叶斯网络结构学习。