贝叶斯网络的结构学习，用于数据挖掘与知识发现

贝叶斯网络是概率专家系统内核，如何从数据中学习出一个结构最优的贝叶斯网络是该领域研究的难点和热点。本研究旨在针对贝叶斯网络的结构学习发展一套完整、高效的计算理论，为数据挖掘和知识发现提供一个有力手段。基本路线是将结构学习置于最大后验概率和最小描述长度的混合准则之下，将有向图的学习分成三大步，先学出一个无向图，再确定图联接的方向，随后修正误差，以达到总体最优。该研究所导致的软件平台有广泛的应用面。