摘要：贝叶斯网络（BN）是不确定知识表示和推理的主要方法之一,是人工智能中重要的理论模型.针对现有混合方法学习BN结构不稳定、容易陷入局部最优等问题,本文将图论中的最大主子图分解理论与条件独立（CI）测试相结合,同时引入少量的局部评分搜索,提出一种新的基于混合方式的BN等价类学习算法.新算法通过确定所有变量的Markov边界构造网络的无向独立图,并对无向图进行最大主子图分解,从而将高维的结构学习问题转化为低维问题,然后利用低阶CI测试和局部评分搜索识别子图中的V结构.理论证明以及实验分析显示了新算法的正确性和有效性.

关键词：贝叶斯网络 最大主分解 markov边界 有向无环图 条件独立 

单位：西安电子科技大学理学院数学系; 陕西西安710071; 西安电子科技大学综合业务网国家重点实验室; 陕西西安710071