[1]蒋望东 林士敏 鲁明羽[].基于BIC测度和混合遗传算法的BNC结构学习[J].计算机技术与发展,2007,(03):84-87.
　JIANG Wang-dong,LIN Shi-min,LU Ming-yu.Structure Learning of BNC Based on BIC and Hybrid Genetic Algorithms[J].,2007,(03):84-87.
点击复制

基于BIC测度和混合遗传算法的BNC结构学习()
分享到：

《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2007年03期
页码:
84-87
栏目:
智能、算法、系统工程
出版日期:
1900-01-01

文章信息/Info

Title:
Structure Learning of BNC Based on BIC and Hybrid Genetic Algorithms
文章编号:
1673-629X（2007）03-0084-04
作者:
蒋望东1; 2 林士敏2 鲁明羽[3]
[1]湖南财经高等专科学校信息管理系[2]广西师范大学计算机科学系[3]清华大学智能技术与系统国家重点实验室
Author(s):
JIANG Wang-dong;  LIN Shi-min;  LU Ming-yu
[1]Department of Information Management, Hunan Financial＆ Economic College[2]Computer Science Department, Guangxi Normal University[3]State Key Laboratory for Intelligent Technology ＆ System, Tsinghua University
关键词:
贝叶斯网络; 结构学习; 贪婪搜索算法; 遗传算法
Keywords:
Bayesian networks ;  structure learning;  GS algorithm;  genetic algorithm
分类号:
TP301.6
文献标志码:
A
摘要:
贝叶斯网络分类器（BNC）结构学习是一个NP难题。贪婪搜索（GS）算法是一种有效且准确性较高的结构学习算法，但贪婪搜索算法很容易陷人局部最优。标准遗传算法是一种全局搜索优化算法，它通过模拟生物种群的进化过程，得到全局最优解。但就其个体而言，个体局部解的质量无法保证，不具备局部寻优的能力。提出了将两种算法相结合，以贝叶斯信息标准（BIC）测度为评价函数，得到一种混合遗传算法，实现了它们的优势互补。实验表明：该算法优于单独利用GS算法进行Bayesian网络结构学习，从而说明该算法的正确性和有效性
Abstract:
Structure learning of Bayesian networks classification is an NP hard problem. Greed search algorithm is an effective and high veracity method, but it is easy to get into the local best. Standard genetic algorithm is a global search optimal algorithm, which simulates the proceeding of natural evolution and can gets the global best. But its individual can＇t provide guarantee of getting the the local best. An algorithm is proposed to combine these two algorithms with BIC as evaluation function, which can get better effect. Experimental result shows that this algorithm is better than using GS algorithm only, it is accurate and effective

相似文献/References:

[1]宫义山 高媛媛.基于信息融合的诊断贝叶斯网络研究[J].计算机技术与发展,2009,(06):106.
　GONG Yi-shan,GAO Yuan-yuan.Diagnostic Bayesian Networks Research Based on Information Fusion[J].,2009,(03):106.
[2]奚海荣 马文丽 梁斌.基于贝叶斯网络SP算法的改进研究[J].计算机技术与发展,2009,(03):155.
　XI Hai-rong,MA Wen-li,LIANG Bin.Improvement of SP Algorithm Based on Bayesian Networks[J].,2009,(03):155.
[3]王峻 周孟然.一种基于MDL度量的选择性扩展贝叶斯分类器[J].计算机技术与发展,2007,(07):35.
　WANG Jun,ZHOU Meng-ran.A Selective Augmented Naive Bayesian Classifier Based on MDL Score[J].,2007,(03):35.
[4]蒋望东 林士敏 鲁明羽.基于BIC测度和遗传算法的TANC结构学习[J].计算机技术与发展,2007,(04):96.
　JIANG Wang-dong,LIN Shi-min,LU Ming-yu.Structure Learning of TANC Based on BIC and Genetic Algorithms[J].,2007,(03):96.
[5]程泽凯 秦锋 徐浩.TANC—BIC结构学习算法的改进[J].计算机技术与发展,2006,(05):44.
　CHENG Ze-kai,QIN Feng,XU Hao.Improvement for TANC- BIC Structure Learning Algorithm[J].,2006,(03):44.
[6]孙笑微 赵大宇 李晓毅 唐恒永.用于数据挖掘的TAN分类器的研究与应用[J].计算机技术与发展,2006,(11):140.
　suN Xiao-wei,ZHAO Da-yu,LI Xiao-yi,et al.Study and Application of TAN Classifier for Data Mining[J].,2006,(03):140.
[7]钟仕群 朱程荣 熊齐邦.一种基于贝叶斯网络的集成的故障定位模型[J].计算机技术与发展,2006,(12):13.
　ZHONG Shi-qun,ZHU Cheng-rong,XIONG Qi-bang.An Integrated Fault Localization Model Based on Bayesian Networks[J].,2006,(03):13.
[8]潘晓东[] 王春江 黄镇鸿 张国辉[].作战重心建模中的条件概率生成方法研究[J].计算机技术与发展,2011,(04):56.
　PAN Xiao-dong,WANG Chun-jiang,HUANG Zhen-hong,et al.Research on Method of Generating Conditional Probabilities in COG Modeling[J].,2011,(03):56.
[9]洪海燕.基于贝叶斯分类器的简历筛选模型[J].计算机技术与发展,2012,(07):85.
　HONG Hai-yan.Screening of Resumes Based on Bayesian Classifier[J].,2012,(03):85.
[10]吴绍兵.基于贝叶斯网络的信息提取技术研究[J].计算机技术与发展,2012,(11):225.
　WU Shao-bing.Research of Information Extraction Technique Based on Bayesian Network[J].,2012,(03):225.
[11]程泽凯.基于TAN结构的启发式贝叶斯网络结构学习算法[J].计算机技术与发展,2007,(08):61.
　CHENG Ze-kai.BN Structure Learning Heuristic Algorithm Based on TAN Structure[J].,2007,(03):61.
[12]高晓利[],李捷[][]. 基于模糊变结构动态贝叶斯网的目标识别方法[J].计算机技术与发展,2017,27(09):17.
　GAO Xiao-li[],LI Jie[][]. A Target Identification Method of Dynamic Bayesian Network with Fuzzy Variable Structure[J].,2017,27(03):17.

备注/Memo

备注/Memo:
国家自然科学基金项目（60473115）蒋望东（1971～），男，湖南永州人，讲师，硕士，研究方向为人工智能、机器学习；林士敏、教授，硕士研究生导师，研究方向为知识工程、数据采掘；鲁明羽、副教授，博士后，研究方向为数据采掘、网络挖掘
更新日期/Last Update: 1900-01-01