论文部分内容阅读
本文讨论了如何从数据的变量聚类分析结果和条件独立性出发，进行无向图和有向图学习的问题。本文回顾了基于独立性的无向图一般学习算法，介绍了SAS(R)的变量聚类过程PROCVARCLUS，提出了基于变量聚类分析和独立性的无向图学习算法，并给出了算法的具体实现步骤及理论依据，比较了该算法与一般算法的优劣之处。本文还进行了模拟评价，产生有向图上服从0-1分布的随机数据，并用这种数据作数值模拟。结果显示，该算法具有较高的效率和准确度。本文引入了G2统计量的方法，在算法中用于检验条件独立性。在无向图的基础上，本文还介绍了如何学习有向图。最后，本文对该算法涉及的一些问题进行了讨论。