貝葉斯網(wǎng)絡(luò)（ Bayesian Network，BN）又被稱為信念網(wǎng)絡(luò)，它是基于概率推理的圖形化網(wǎng)絡(luò)并且是一種不確定性知識推理和分析的有效工具。貝葉斯網(wǎng)絡(luò)具有堅實的理論基礎(chǔ)，將概率論和網(wǎng)絡(luò)模型相結(jié)合來描述變量之間的相互關(guān)系。隨著近年來信息科技的發(fā)展，貝a斯網(wǎng)絡(luò)被廣泛應(yīng)用于各領(lǐng)域，如工業(yè)生產(chǎn)應(yīng)用、金融預(yù)測分析、計算機系統(tǒng)、生物信息處理等。

　　在引入最大信息系數(shù)的基礎(chǔ)上，提出一種改進(jìn)的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法。在給定數(shù)據(jù)集的條件下，基于最大信息系數(shù)對變量間的關(guān)聯(lián)度進(jìn)行檢測，根據(jù)篩選因子和關(guān)聯(lián)度構(gòu)造貝葉斯網(wǎng)絡(luò)的初始化結(jié)構(gòu)，并結(jié)合貪婪算法對初始網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行局部優(yōu)化，將局部最優(yōu)解進(jìn)行整合形成全局最優(yōu)解，生成最終的網(wǎng)絡(luò)結(jié)構(gòu)。在Asia和Car基準(zhǔn)網(wǎng)絡(luò)上的實驗結(jié)果表明，與基于傳統(tǒng)貪婪算法、隨機K2算法的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法相比，該算法可以學(xué)習(xí)到與基準(zhǔn)網(wǎng)絡(luò)更相近的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)，并且具有較高的正確邊均值和分類準(zhǔn)確率。
?