典型文献
改进进化算法的贝叶斯网络结构学习及其应用
文献摘要：
针对现有的基于进化算法(EA)的贝叶斯网络结构学习算法存在收敛速度慢、局部搜索能力差以及种群数目难以确定的问题,提出了一种基于改进EA的贝叶斯网络结构学习算法.借助最大支撑树(MWST)得到种群中节点的父节点数目上限,设计了计算函数来估计参与进化的种群数目.为了提高算法的局部搜索能力,设计了个体变异函数来增加种群多样性.利用条件独立性获得初始结构来进一步限制模型搜索空间,提高算法的运行效率.实验结果表明:与经典的EA和最大最小爬山(MMHC)算法对比,本文提出的MWST-EA提高了贝叶斯网络(BN)模型的学习效率,并且能够得到较高的准确率.将MWST-EA用于UCI数据库中糖尿病数据集上,与支持向量机(SVM)、MMHC方法相比,识别率分别提高了1.54％和11.15％,具有良好的应用价值.
文献关键词：
贝叶斯网络结构学习;进化算法;最大支撑树;互信息;糖尿病分类
中图分类号：
作者姓名：
郭文强;毛玲玲;黄梓轩;肖秦琨;郭志高
作者机构：
陕西科技大学 电子信息与人工智能学院,陕西 西安 710021;西安工业大学 电子信息工程学院,陕西 西安 710021;伦敦玛丽女王大学 电子工程与计算机科学学院,伦敦 E14NS
文献出处：
引用格式：
[1]郭文强;毛玲玲;黄梓轩;肖秦琨;郭志高-.改进进化算法的贝叶斯网络结构学习及其应用)[J].河南科技大学学报（自然科学版）,2022(02):34-40
A类：
最大支撑树,MMHC,糖尿病分类
B类：
进进,进化算法,贝叶斯网络结构学习,EA,收敛速度,速度慢,局部搜索,搜索能力,难以确定,MWST,中节点,个体变异,变异函数,种群多样性,初始结构,搜索空间,爬山,算法对比,BN,学习效率,UCI,糖尿病数据,识别率,互信息
AB值：
0.259851
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
