计算机科学 ›› 2017, Vol. 44 ›› Issue (Z11): 437-441.doi: 10.11896/j.issn.1002-137X.2017.11A.093
许建锐,李战武,徐安
XU Jian-rui, LI Zhan-wu and XU An
摘要： 针对小样本数据条件下的贝叶斯网络结构学习,首先利用核密度估计(Kernel Density Estimation,KDE)对小规模样本数据进行拓展,然后引用云遗传算法(Cloud Theory-based Genetic Algotithm,CGA)对贝叶斯网络结构进行学习。通过优化改进核密度函数及其窗宽提高数据拓展效果；通过将云理论引入遗传算法中,自适应地改变交叉率和变异率,避免了算法局部寻优问题。仿真结果验证了该算法的有效性。
| [1] 史志富,张安.贝叶斯网络理论及其在军事系统中的应用[M].北京:国防工业出版社,2012:28-52. [2] 邸若海,高晓光.基于限制型粒子群优化的贝叶斯网络结构学习[J].系统工程与电子技术,2011,3(11):423-427. [3] FRIEDMAN N.The Bayesian structural EM algorithm[C]∥San Francisco.CA,USA,1998:129-138. [4] BORCHANI H,AMOR N B,KHALFALLAH F.Learning and evaluating Bayesian Network equivalence classes from incomplete data[J].International Journal of Pattern Recognition and Artificial Intelligence,2008,22(2):253-278. [5] 徐达明,唐安民,等.概率密度核估计的Bootstrap逼近[J].云南民族大学学报(自然科学版),2007,16(4):295-298. [6] 刘伟,龙琼,陈芳,等.Bootstrap方法的几点思考[J].飞行器测控学报,2007,6(5):78-81. [7] 韩绍金,李建勋.基于密度核估计的贝叶斯网络结构学习算法[J].计算机工程与应用,2014,0(15):107-112. [8] 王金然,郭亚君,吕金凤.一种改进的密度核估计算法[J].大学数学,2008,4(6):67-71. [9] RAO P.Nonparametric Function Estimation[M].Academie Press,Inc.1983. [10] 朱亚培.密度核估计的改进及其相关问题的讨论[D].兰州:兰州交通大学,2015. [11] BASHTANNYK D M,ROB,HYNDMAN J.Bandwidth selection for kernel conditional desity estimation [J].Computation Tatistics & Data Nalysis,2001(36):63-78. [12] 王星.非参数统计[M].北京:中国人民大学出版社,2005:213-218. [13] 郭童.基于改进鱼蜂群算法的贝叶斯网络结构学习[D].杭州:浙江大学,2014 [14] 肖秦琨,高嵩.贝叶斯网络在智能信息处理中的应用[M].此京:国防工业出版社,2012:5-20. [15] SHETTY S,SONG M.Structure learning of Bayesian network using a semantic genetic algorithm-based approach[C]∥Proceedings of the 3rd International Conference on Information Technology:Research and Education.Hsinchu,2005:454-458. [16] 李德旺,陈兴,喻达磊,等.多维密度核估计的 Bootstrap 逼近[J].西南大学学报(自然科学版),2007,29(11):34-37. [17] CHOW C,LIU C.Approximation Discrete probability Distributions with Dependence Trees [J].IEEE Transactions on Information Theory,1968,14(3):462-467. [18] DAVIDSON-PILON C.贝叶斯方法概率编程与贝叶斯推断[M].辛愿,钟黎,等译.北京:人民邮电出版社,2017. |
| No related articles found! |
|
||
首页