基于滑动窗口均值先验的非同构动态贝叶斯网络转换点检测算法

为了放宽动态贝叶斯网络中的同构假设,提出非同构贝叶斯网络.基于此种情况,文中提出结合先验知识的可逆跳转的马尔可夫链蒙特卡洛算法(APK-RJ-MCMC).算法基本假设为如果一个时间点左右窗口中数据均值间的欧氏距离越大,则这个时间点作为转换点的可能性越高.基于上述假设,可得到关于每个时间点作为转换点可能性的粗略估计,将其作为先验知识调控可逆跳转的马尔可夫蒙特卡洛采样技术(RJ-MCMC)采样转换点时的生成、消除、转换动作的提议概率之比,进而调节状态跳转时的接受概率.在人工数据集和基因数据集上的实验表明,相比其它算法,APK-RJ-MCMC在转换点检测上具有更高的检测后验概率.