10.3969/j.issn.1001-0505.2012.S1.018
K2与模拟退火相结合的贝叶斯网络结构学习
针对基于模拟退火的贝叶斯网络结构学习算法由于模型扰动方式遍历模型空间的能力不足,往往不能获得全局最优网络结构的问题,将K2算法与模拟退火算法相结合,提出了一种改进的贝叶斯网络结构学习算法.算法通过随机交换当前节点序中2个节点的位置以产生新的节点序,再利用K2算法学习获得贝叶斯网络结构,作为模拟退火算法中的新状态,以达到提高模型全局扰动能力的目的.算法记录了在模拟退火过程中遇到过的最优网络结构,并在模拟退火过程结束后再利用爬山法对其作进一步优化.对Asia网的仿真学习结果表明:在样本量较为充足的情况下,所提算法能够获得近似全局最优的网络结构,具有较好的学习效果,但算法的效率略显不足.
模拟退火、K2算法、模型扰动、贝叶斯网络、结构学习、节点序
42
TP181(自动化基础理论)
军队科研基金
2013-01-04(万方平台首次上网日期,不代表论文的发表时间)
共5页
82-86