h-MMHC算法及其在主因素分析中的应用

由于MMHC算法是针对所有的属性进行的网络结构图的构建,时间相对较长且结构图较为复杂。针对该情况,提出了启发式h-MMHC算法。它是MMHC算法的改进,从一个初始的属性集合出发,通过MMHC局部学习方法,借助启发策略,逐步添加新的属性,最终得到属性之间相关关系的贝叶斯网络结构。该研究以教学效果评估为实例,对于MMHC和h-MMHC算法做了比较。采用李克特量表法设计的调查问卷收集数据,使用两种算法对调查数据进行分析。相对于MMHC算法,由于减少了需要考虑的属性集规模,因此h-MMHC可更有效地应用于主因素分析中。