李昌群　杨　静　程文娟　安　宁

(合肥工业大学计算机与信息学院　安徽 合肥 230009)



h-MMHC算法及其在主因素分析中的应用

李昌群杨静程文娟安宁

(合肥工业大学计算机与信息学院安徽 合肥 230009)

摘要由于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。

关键词h-MMHC算法贝叶斯网络主因素分析教学评估

0引言

特征提取问题是数据分析和挖掘的重要研究内容。恰当的算法可在众多的特征属性中，搜索到对于问题影响显著的特征集合，从而更有效地开展对于数据的深入分析。其中一个重要的问题就是主因素分析，也即在确定目标属性后，找出影响目标属性的主要因素。例如仝美红等人[1]利用主成分分析法以及熵值法来进行高校教师的绩效评价。主因素分析可以看作是特征提取的一种特殊形式，也即提取对于目标属性影响最大的一个或者若干个特征。

贝叶斯网络又称信度网络，自提出以来一直受到广泛的重视。……