改进进化算法的贝叶斯网络结构学习及其应用
郭文强1
毛玲玲1
黄梓轩1
肖秦琨2
郭志高3
1.陕西科技大学 电子信息与人工智能学院,陕西 西安 7100212.西安工业大学 电子信息工程学院,陕西 西安 7100213.伦敦玛丽女王大学 电子工程与计算机科学学院,伦敦 E14NS
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.
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
分类号：TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(62071366)陕西省科技厅重点研发计划基金项目(2020SF-286)陕西省教育厅产业化研究项目(18JC003)西安市科技计划项目(2019216514GXRC001CG002GXYD1.1)
论文发表日期：2022-04-25
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：7( 34-40 )