改进遗传-狼群对节点序寻优的贝叶斯网络结构算法

摘要：

贝叶斯网络是数据挖掘领域的一种重要方法.针对贝叶斯网络结构学习算法寻优效率低和易陷入局部最优的问题,提出一种基于改进的混合遗传-狼群对节点序寻优的贝叶斯网络结构学习算法.该算法首先利用深度优先搜索对最大支撑树的节点进行拓扑排序;然后利用动态变异及最优交叉算子构建适用于节点序寻优的改进捕食行为,引入动态参数因子来增强算法局部寻优能力;最后与K2算法结合得到最优的贝叶斯网络结构.用3种不同大小的标准网络数据集中进行实验,结果表明,该算法收敛到较优值,寻优效率高于其它同类优化算法.

关键词：计量学、贝叶斯网络结构学习、深度优先搜索、节点序寻优、动态参数因子、K2算法

所属期刊栏目：44

分类号：TB973(计量学)

资助基金：国家重点研发计划;河北省人才工程培养资助项目

在线出版日期：2023-03-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：120-126