计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2009年
6期
1539-1543
,共5页
基因调控网络%贝叶斯网络%粒子群优化算法%K2算法
基因調控網絡%貝葉斯網絡%粒子群優化算法%K2算法
기인조공망락%패협사망락%입자군우화산법%K2산법
基于贝叶斯模型的结构学习是NP完全问题.给出了一种新颖的基于粒子群优化算法(PSO)的无序条件下的结构学习方法.迭代中,新算法用粒子表示网络结构,根据PSO群体规则进行更新,同时利用互信息进行修正,将所得到的最佳网络结构作为K2算法的先验知识.实验结果表明,新算法可以在无序的条件下,取得稳定的贝叶斯分数值.同时,在与K2算法和BN.PSO算法的比较中,新算法取得了更优异的网络结构和更快的收敛速度.
基于貝葉斯模型的結構學習是NP完全問題.給齣瞭一種新穎的基于粒子群優化算法(PSO)的無序條件下的結構學習方法.迭代中,新算法用粒子錶示網絡結構,根據PSO群體規則進行更新,同時利用互信息進行脩正,將所得到的最佳網絡結構作為K2算法的先驗知識.實驗結果錶明,新算法可以在無序的條件下,取得穩定的貝葉斯分數值.同時,在與K2算法和BN.PSO算法的比較中,新算法取得瞭更優異的網絡結構和更快的收斂速度.
기우패협사모형적결구학습시NP완전문제.급출료일충신영적기우입자군우화산법(PSO)적무서조건하적결구학습방법.질대중,신산법용입자표시망락결구,근거PSO군체규칙진행경신,동시이용호신식진행수정,장소득도적최가망락결구작위K2산법적선험지식.실험결과표명,신산법가이재무서적조건하,취득은정적패협사분수치.동시,재여K2산법화BN.PSO산법적비교중,신산법취득료경우이적망락결구화경쾌적수렴속도.
