基于MMPC-FPSO贝叶斯网络混合结构学习方法
董文佳1
方洋旺2
彭维仕3
闫晓斌1
1.西安邮电大学计算机学院,西安,7101212.西安邮电大学计算机学院,西安,710121;西北工业大学无人系统技术研究院,西安,7100723.武警工程大学装备管理与保障学院,西安,710086
摘要：针对贝叶斯网络结构学习的过程中网络结构规模随节点数增加呈指数增长,导致网络结构搜索空间增大,进而导致网络结构学习算法效率低下的问题,提出一种基于最大最小父子集合约束与萤火虫粒子群搜索算法的贝叶斯网络混合结构学习方法.首先,针对粒子群算法在解决贝叶斯网络结构学习过程中,随机初始化网络结构种群导致算法搜索效率低下,网络结构准确性低的问题提出一种基于改进的最大最小父子集合算法的种群约束方法.其次,针对传统的基于粒子群评分搜索方法速度慢,精度低,易陷入局部最优的问题,提出一种基于萤火虫算子的粒子寻优策略.最后,为了验证所提方法的正确性和优越性,将上述方法用于3种标准网络的结构学习.仿真结果表明:所提算法与传统的基于粒子群的结构学习方法相比,所得的贝叶斯信息准则评分与标准网络评分的差距分别缩小了 68.7％、65.5％、34.1％.
关键词：结构学习贝叶斯网络粒子群算法MMPC算法
分类号：TP18(自动化基础理论)
资助基金：国家自然科学基金(61973253)
论文发表日期：2024-04-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 76-84 )
英文信息