Aprendizado de Redes Bayesianas

O desenvolvimento de métodos automáticos para aprender estruturas de uma Rede Bayesiana (RB) diretamente a partir de dados é um problema relevante e considerado uma tarefa difícil, porque o número de estruturas possíveis cresce exponencialmente de acordo com o número de variáveis. Geralmente, para reduzir o espaço de busca, algumas restriçőes podem ser impostas durante o processo de induçăo da RB. Uma restriçăo possível é a definiçăo de uma ordenaçăo das variáveis. Definir uma ordenaçăo adequada das variáveis é, contudo, um problema complexo a ser executado. Trabalhos anteriores, na literatura, sugerem o uso de Algoritmos Evolucionários para encontrar uma ordenaçăo de variáveis adequada ao aprendizado de estruturas de RB. No entanto, algoritmos evolucionários podem ser computacionalmente custosos. Para os casos onde a busca por uma ordenaçăo de variáveis é adequada, este trabalho apresenta dois novos operadores genéticos e um novo algoritmo adaptativo híbrido que busca tal ordenaçăo. Para os casos onde uma ordenaçăo năo é indicada, săo definidos dois métodos de induçăo de classificadores Bayesianos: DMBC e A-DMBC. Os resultados mostram que os métodos propostos săo promissores.