CAJ | 학술논문

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入局部最优.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.
패협사망락분류기(BNC)결구학습시일개NP난제.탐람수색(GS)산법시일충유효차준학성교고적결구학습산법,단탐람수색산법흔용역함입국부최우.표준유전산법시일충전국수색우화산법,타통과모의생물충군적진화과정,득도전국최우해.단취기개체이언,개체국부해적질량무법보증,불구비국부심우적능력.제출료장량충산법상결합,이패협사신식표준(BIC)측도위평개함수,득도일충혼합유전산법,실현료타문적우세호보.실험표명:해산법우우단독이용GS산법진행Bayesian망락결구학습,종이설명해산법적정학성화유효성.