基于遗传算法的Bayesian网结构学习研究

被引：37

作者：

刘大有

王飞

卢奕南

薛万欣

王松昕

机构：

[1] 吉林大学计算机科学系!长春

来源：

计算机研究与发展 | 2001年 / 08期

关键词：

Bayesian网学习; 完备数据; 不完备数据; 计算复杂度; 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：

从不完备数据中学习网络结构是 Bayesian网学习的难点之一 ,计算复杂度高 ,实现困难 .针对该问题提出了一种进化算法 .设计了结合数学期望的适应度函数 ,该函数利用进化过程中的最好 Bayesian网把不完备数据转换成完备数据 ,从而大大简化了学习的复杂度 ,并保证算法能够向好的结构不断进化 .此外 ,给出了网络结构的编码方案 ,设计了相应的遗传算子 ,使得该算法能够收敛到全局最优的 Bayesian网结构 .模拟实验结果表明 ,该算法能有效地从不完备数据中学习 .

引用

页码：916 / 922

页数：7

共 5 条

[1] 人工神经网络与模拟进化计算[M]. 清华大学出版社 , 阎平凡, 2005
[2] Approximating MAPs for belief networks is NP-hard and other theorems
Abdelbar, AM
Hedetniemi, SM
[J]. ARTIFICIAL INTELLIGENCE, 1998, 102 (01) : 21 - 38
[3] Adaptive Probabilistic Networks with Hidden Variables
John Binder
Daphne Koller
Stuart Russell
Keiji Kanazawa
[J]. Machine Learning, 1997, 29 : 213 - 244
[4] The ALRAM monitoring system: A case study with two probabilistic inference.In:Proc of the 2nd European Conf on Artificial Intelligence in Medicine .2 Beinlich I,Suermondt G et al. Berlin . 1989
[5] Bayesian graphical models for discrete data .2 Madigan D,York J. International Statistical Review . 1995

← 1 →