摘要：贝叶斯网用一种紧凑的形式表示联合概率分布，具有完备的语义和坚实的理论基础，目前已成为人工智能领域处理不确定性问题的最佳方法之一。贝叶斯网学习是其关键问题，传统学习方法存在如下不足：（1）随节点数增多非法结构以指数级增加，影响学习效率；（2）在等价结构之间进行打分搜索，影响收敛速度；（3）假设每个结构具有相同的先验概率，造成等价类中包含结构越多则先验概率越高。本文提出一种学习马尔科夫等价类算法，该算法基于骨架空间进行状态转换，利用从骨架空间到等价类空间的映射关系实现学习贝叶斯网等价类。实验数据证明，该方法可有效缩小搜索空间规模，相对于在有向图空间搜索的算法加快了算法的收敛速度，提高了执行效率。

关键词：贝叶斯网 结构学习 马尔科夫等价类 链图 

单位：吉林大学计算机科学与技术学院 吉林长春130012 吉林大学符号计算与知识工程教育部重点实验室 吉林长春130012