一种融合因果分析与群智能的贝叶斯结构学习方法

本发明涉及计算机技术领域，具体为一种融合因果分析与群智能的贝叶斯结构学习方法，包括：引入共同特征比例加权距离与相似度加权投票机制，结合HITON‑PC算法筛选目标变量的父子节点集，动态调整邻域权重并优化迭代收敛策略，改进KNN填补算法，提出EIKNN算法，用于缺失数据的填补；基于填补后的数据集，利用缩放框架分析数据集中变量之间的因果关系，生成相应的初始种群；对EIKNN算法、缩放框架以及人类进化优化算法进行深度融合，提出ECS‑HEOA算法，利用ECS‑HEOA算法对贝叶斯结构进行优化，得到最优结构。为高维数据和复杂缺失场景的贝叶斯结构学习提供新的思路和技术。