基于遗传算法的Bayesian网中连续变量离散化的研究

被引：15

作者：

王飞

刘大有

薛万欣

机构：

[1] 复旦大学计算机科学与工程系

[2] 吉林大学计算机科学与技术学院

来源：

计算机学报 | 2002年 / 08期

关键词：

Bayesian网学习; 离散变量; 连续变量; 离散化; 遗传算法;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

摘要：

文中对如何从含有离散变量和连续变量的混合数据中学习 Bayesian网进行了研究 ,提出了一种基于遗传算法的连续变量离散化算法 .在该算法中给出了兼顾离散模型准确度和复杂度的适应度函数 ;并基于对离散化的实质性分析 ,定义了离散策略等价的概念 ,由此制定了离散策略的编码方案 ;进一步设计了变换离散策略的遗传算子 .该算法不存在局部极值问题 ,且不需要事先给定变量序关系 .模拟实验结果表明 ,该算法能有效地对连续变量离散化 ,从而使得从混合数据中学到的 Bayesian网具有较好性能 .

引用

页码：794 / 800

页数：7