计算机工程与设计
計算機工程與設計
계산궤공정여설계
COMPUTER ENGINEERING AND DESIGN
2013年
7期
2408-2412
,共5页
贝叶斯网络%数据缺失%初始化%遗传算法%模拟退火
貝葉斯網絡%數據缺失%初始化%遺傳算法%模擬退火
패협사망락%수거결실%초시화%유전산법%모의퇴화
Bayesian network%missing data%initialization%genetic algorithm%simulated annealing
针对数据缺失条件下构建贝叶斯网络难度大的问题,研究了贝叶斯结构学习算法,提出了将条件独立性检验和评分-搜索相结合的算法.采用改进的混合算法对训练数据初始化,建立相应的初始网络,对已经拟合了训练数据信息的初始网络用遗传模拟退火算法进行训练以找到最佳的网络结构.给出了算法实施的具体步骤且通过实验验证了算法性能,并将实验结果与其他典型的算法进行比较,表明了算法具有更优的学习效果.
針對數據缺失條件下構建貝葉斯網絡難度大的問題,研究瞭貝葉斯結構學習算法,提齣瞭將條件獨立性檢驗和評分-搜索相結閤的算法.採用改進的混閤算法對訓練數據初始化,建立相應的初始網絡,對已經擬閤瞭訓練數據信息的初始網絡用遺傳模擬退火算法進行訓練以找到最佳的網絡結構.給齣瞭算法實施的具體步驟且通過實驗驗證瞭算法性能,併將實驗結果與其他典型的算法進行比較,錶明瞭算法具有更優的學習效果.
침대수거결실조건하구건패협사망락난도대적문제,연구료패협사결구학습산법,제출료장조건독립성검험화평분-수색상결합적산법.채용개진적혼합산법대훈련수거초시화,건립상응적초시망락,대이경의합료훈련수거신식적초시망락용유전모의퇴화산법진행훈련이조도최가적망락결구.급출료산법실시적구체보취차통과실험험증료산법성능,병장실험결과여기타전형적산법진행비교,표명료산법구유경우적학습효과.