基于无标度先验的有向无环图结构学习

图模型是一种分析网络结构的有效方法,其中有向无环图由于可表示因果关系而受到广泛关注。而大量真实网络中节点的度服从幂律分布,即具有无标度特征。因此,研究了在无标度先验下,节点序已知的有向无环图结构学习问题。通过引入网络中节点度的信息和边的稀疏先验,提出罚项为Log型与lq(0<q<1)型惩罚函数复合的正则化模型,通过重赋权迭代算法求解该非凸模型,并分析了算法的收敛性。实验表明,对于模拟数据和真实数据,所提方法均有良好的网络结构学习能力。