K2&HC结构学习算法

贝叶斯网络理论在人工智能领域发挥着重要作用。贝叶斯网络从数据中学习知识的能力使得它在医学、故障诊断、预测等领域的应用迅速发展起来。结构学习算法成为贝叶斯网络的重要研究方向,它能够有效分析变量之间依赖关系,合理挖掘数据和知识。K2算法评分性能突出,而爬山算法能有效弥补K2评分法的解空间过于复杂的问题。论文结合K2评分函数和爬山策略,提出了K2&HC算法。同时,K2&HC算法在爬山策略中融入了回溯原理,解决了贝叶斯结构学习算法中存在的收敛于局部最优的问题,合理优化了算法的性能。同K2和K2SA算法进行仿真对比,得出在精度和收敛速度综合性能上K2&HC表现突出的结论。

基于K2算法的因果结构学习研究综述

贝叶斯网络是一种处理不确定性知识的有效工具,因为其能很大程度降低推理的复杂度,在数据挖掘、机器学习等领域得到了广泛的应用.贝叶斯网络结构学习是其重要研究内容之一,其中K2算法由于其能有效避免似然等价问题,以及在时间复杂度和准确度上都优于大部分经典算法,因此备受研究者关注.针对K2算法受节点序约束,采用贪婪搜索技术处理模型选择导致的寻优效率差的问题,研究者们提出了不同的改进策略,根据是否有领域知识可分为基于先验序和搜索先验序两类方法.对近几年改进的K2算法进行了调研,并对K2算法未来的研究改进做了总结和展望.

贝利尤单抗治疗系统性红斑狼疮的效果分析

目的:探讨贝利尤单抗治疗系统性红斑狼疮(SLE)的效果。方法:回顾性分析2020年12月9日至2021年11月16日在中国医科大学附属盛京医院经贝利尤单抗治疗的患者,统计患者的临床资料。采用配对t检验和配对Wilcoxon秩和符号检验,比较分析患者治疗前后各项指标差异。结果:回顾性纳入20例患者,贝利尤单抗中位治疗时间86 d,累计用药次数(5±3)次,贝利尤单抗应用前后,激素用量、SLE病情活动度2000(SLEDAI-2K)评分、抗双链DNA抗体(抗dsDNA抗体)、血清补体、免疫球蛋白、血沉、血红蛋白、24 h尿蛋白定量、血清白蛋白及D二聚体等指标差异均有统计学意义。结论:贝利尤单抗可以协助激素减量,同时对改善贫血、减轻蛋白尿、缓解低蛋白血症及体内高凝状态等具有一定效果。

基于因果效应的贝叶斯网络结构学习方法

从数据中学习贝叶斯网络结构是一个NP-hard问题,提高网络结构学习算法精度是研究的重难点。基于Pearl的因果理论,提出了一种贝叶斯网络结构学习方法,提升了现有算法的准确率。利用改进的Pearl因果效应和BDe评分,学习网络节点优先次序,利用K2算法学习初始网络,并通过BDe评分反向调节、互信息和BDe评分删除边以修正学习结果。实验在贝叶斯网络标准数据集ASIA、ALARM上进行,在样本量为2000～20 000的20组实验中,学习准确率较MMHC算法平均提升16%,准确率标准差较MMHC算法平均缩小17%。实验表明,基于因果效应的方法较MMHC算法有更好的性能。

个人信用风险评估模型的贝叶斯网络结构学习

研究了贝叶斯网络在商业银行信用风险评估方法中的应用,在商业银行数据中选取了对信用风险评级具有影响力的19项指标及样本,运用基于评分的算法对贝叶斯网络结构进行学习,并通过验证父子节点之间的相关性,对获得的贝叶斯网络结构进行了效果评价。

丹珍头痛胶囊联合阿米替林对紧张性头痛患者HAMA评分及生活质量的影响

目的探讨丹珍头痛胶囊联合阿米替林对紧张性头痛患者汉密尔顿焦虑量表(HAMA)评分及生活质量的影响。方法紧张性头痛患者92例按治疗方案不同分组,各46例。对照组予以阿米替林治疗,观察组在对照组基础上予以丹珍头痛胶囊治疗。比较两组临床疗效和不良反应发生率,用HAMA、汉密尔顿抑郁量表(HAMD)和生活质量核心量表(QLQ-C30)分别评价两组负性情绪与生活质量。结果观察组治疗总有效率高于对照组(P<0.05);治疗2、4周后HAMA、HAMD评分均低于对照组(P<0.05);治疗后总体生活状态、躯体功能、心理功能、社会功能评分均高于对照组(P<0.05);不良反应发生率低于对照组(P<0.05)。结论丹珍头痛胶囊联合阿米替林治疗紧张性头痛患者效果显著,可有效改善焦虑、抑郁情绪,提高患者生活质量,安全性高。