×
王景云;刘三阳

一种求解贝叶斯网络结构学习问题的新型离散粒子群优化算法。 （英文） Zbl 1482.68210号

国际期刊计算。数学。 96，第12期，2423-2440（2019）.
贝叶斯网络是人工智能中描述知识不确定性的有效表示工具。从数据中学习贝叶斯网络的一个重要方法是使用搜索过程来探索网络空间，并使用评分指标来评估每个候选结构。本文设计了一种新的离散粒子群优化算法来解决贝叶斯网络结构学习问题。该算法既保持了经典粒子群算法的搜索优势，又符合贝叶斯网络的特点。同时，利用变异算子和邻域搜索算子克服了早熟收敛的缺点，平衡了粒子群算法的探索和开发能力。在基准网络上的实验结果表明了该算法的可行性和有效性，对比实验表明，与其他算法相比，我们的算法具有很强的竞争力。

引用于1文件

MSC公司：

68T05型 人工智能中的学习和自适应系统
62H22个 概率图形模型
68瓦50 进化算法、遗传算法（计算方面）

关键词：

贝叶斯网络;结构学习;粒子群优化;启发式算法
PDF格式BibTeX公司 XML格式引用
\textit｛J.Wang｝和\textit｛S.Liu｝，国际计算机学会。数学。96，第12号，2423--2440（2019；Zbl 1482.68210）
全文： 内政部

参考文献：

[1] Alcobé，J.R.，增量爬山搜索应用于贝叶斯网络结构学习。2004年第15届欧洲机器学习会议记录，第1-11页。
[2] Aouay，S.、Jamoussi，S.和Ayed，Y.B.，基于粒子群优化的贝叶斯网络结构学习方法。《建模、仿真和应用优化国际会议论文集》，2013年，第1-6页。
[3] Bai，J。；Liu，H.，基于PBI分解的多目标人工蜜蜂算法，应用。智力。，45, 4, 976-991 (2016)
[4] Beinlich，I.A。；苏尔蒙特，H.J。；查韦斯，R.M。；Cooper，G.F.，《警报监测系统：信念网络两种概率推理技术的案例研究》（1989年），施普林格：施普林格，柏林，海德堡
[5] Brown，L.E。；沙马尔迪诺斯一世。；Aliferis，C.F.，《可扩展且准确的贝叶斯网络学习的新算法》，Stud.Health。Technol公司。通知。，107, 1, 711-715 (2004)
[6] 德坎波斯，L.M。；Fernández-Luna，J.M。；Gámez，J.A。；Puerta，J.M.，学习贝叶斯网络的蚁群优化，国际期刊近似推理。，31, 3, 291-311 (2002) ·Zbl 1033.68091号
[7] Chickering，D.M.，《学习贝叶斯网络是np-complete》，《网络》，第112、2、121-130页（1996年）
[8] Chunyu，H。；刘，H。；张鹏，基于层次通信模型的协同进化人工蜂群算法，中国电子杂志。，25, 3, 570-576 (2016)
[9] 库珀，G.F。；Herskovits，E.，从数据中归纳概率网络的贝叶斯方法，马赫。学习。，9, 4, 309-347 (1992) ·Zbl 0766.68109号
[10] 弗里德曼，N。；Linial，M。；我·纳奇曼。；Pe'Er，D.，《使用贝叶斯网络分析表达数据》，J.Compute。生物学，7，3-4，601-620（2000）
[11] Friedman，N.、Nachman，I.和Peér，D.，从大量数据集学习贝叶斯网络结构：“稀疏候选”算法。《第十五届人工智能不确定性会议记录》，1999年，第206-215页。
[12] 盖萨里，S。；Meybodi，M.R.，Bnc-pso：通过粒子群优化实现贝叶斯网络的结构学习，信息科学。（纽约），348272-289（2016）·Zbl 1398.68435号
[13] 赫克曼，D。；Dan，G。；Chickering，D.M.，《学习贝叶斯网络：知识和统计数据的结合》，马赫。学习。，20, 3, 197-243 (1995) ·兹比尔08316.8096
[14] Heng，X.C。；秦，Z。；Wang，X.H。；Shao，L.P.，基于粒子群优化的贝叶斯网络学习研究，信息技术。J.，5，3，118-121（2006）
[15] 季军（Ji，J.）。；魏，H。；Liu，C.，用于学习贝叶斯网络的人工蜂群算法，软件。计算。，17, 6, 983-994 (2013)
[16] Juang，C.F.，用于递归网络设计的遗传算法和粒子群优化的混合，IEEE Trans。系统。曼赛本。B部分Cybern。出版物。IEEE系统。曼赛本。Soc.，34，2997-1006（2004年）
[17] Jun-Zhong，J.I。；张海霞。；Ren-Bing，H.U。；Chun-Nian，L.I.，基于独立性测试和蚁群优化的贝叶斯网络学习算法，自动化学报，35，3，281-288（2009）·Zbl 1212.68129号
[18] 肯尼迪，J。；Eberhart，R.，《粒子群优化》，载于《机器学习百科全书》，760-766（2011）
[19] Larrañaga，P。；波扎，M。；尤拉曼迪，Y。；Murga，R.H。；Kuijpers，C.M.H，通过遗传算法学习贝叶斯网络的结构：控制参数的性能分析，IEEE。事务处理。图案。分析。机器。智力。，18, 9, 912-926 (1996)
[20] Lauritzen，S.L。；Spiegelhalter，D.J.，《图形结构上概率的局部计算及其在专家系统中的应用》，载于《不确定推理中的阅读》，415-448（1990），Morgan Kaufmann Publishers Inc.：Morgan Koufmann-Publishers Inc.，加利福尼亚州旧金山
[21] 李建清。；Pan，Y.X.，用于解决模糊车间调度问题的混合离散粒子群优化算法，国际先进制造技术杂志。，66, 1-4, 583-596 (2013)
[22] 李建清。；潘，Q.K。；Duan，P.Y.，求解具有动态操作跳跃的混合柔性流程的改进人工蜂群算法，IEEE。事务处理。赛博。，46, 6, 1311-1324 (2016)
[23] 李建清。；Sang，H.Y。；Han，Y.Y。；Wang，C.G。；Gao，K.Z.，带设置能耗的混合流水车间调度问题的高效多目标优化算法，J.Clean。生产，181，584-598（2016）
[24] Li，X.L.，Wang，S.C.，和He，X.D.，基于记忆二进制粒子群优化学习贝叶斯网络结构。《模拟进化和学习亚太会议论文集》，2006年，第568-574页。
[25] 刘，F。；张世伟。；郭伟富。；魏振国。；Chen，L.，基于局部贝叶斯网络的基因调控网络推断，PLoS Compute。生物，12，8，1-17（2016）
[26] Margaritis，D.，通过本地社区进行贝叶斯网络归纳，Proc。高级神经信息程序。系统。，12, 505-511 (2000)
[27] 潘，Q.K。；Tasgetiren，M.F。；Liang，Y.C.，无等待flowshop调度问题的离散粒子群优化算法，计算。操作。研究，35，9，2807-2839（2008）·Zbl 1144.90393号
[28] 罗宾逊，R.W.，计数标记的无圈有向图。《图论的新方向》，1973年，第239-273页·兹比尔0259.05116
[29] Shen，Q.，用蚁群优化学习贝叶斯网络等价类，J.Artif。智力。研究，35，391-447（2009）·Zbl 1192.68670号
[30] 沈，M。；詹振华。；Chen，W.N。；Gong，Y.J.，双速离散粒子群优化及其在通信网络多播路由问题中的应用，工业电子。IEEE传输。，61, 12, 7141-7151 (2014)
[31] 施皮盖尔哈特，D.J。；Dawid，A.P。；Lauritzen，S.L。；Cowell，R.G.，专家系统中的贝叶斯分析，统计科学。，8, 3, 219-247 (1993) ·Zbl 0955.62523号
[32] 苏亚内克，P。；马雷基，F。；Bucki，R.，诊断中的自学习贝叶斯网络，Procedia Compute。科学。，35, 1426-1435 (2014)
[33] Tarjan，R.，深度-第一搜索和线性图算法，SIAM J.Compute。，1, 2, 146-160 (1972) ·Zbl 0251.05107号
[34] Tsamardinos，I.、Aliferis，C.F.和Statnikov，A.R.，《大规模马尔可夫覆盖发现算法》。2003年《FLAIRS会议记录》，第376-380页。
[35] Tsamardinos，I.、Aliferis，C.F.和Statnikov，A.，《马尔可夫覆盖层和直接因果关系的时间和样本有效发现》。《知识发现和数据挖掘国际会议论文集》，2003年，第673-678页。
[36] Wang，T。；Yang，J.，《使用离散粒子群优化学习贝叶斯网络的启发式方法》（2010），Springer-Verlag:Springer-Verlag，纽约
[37] Xing-Chen，H.，Zheng，Q.，Lei，T.和Shao，L.P.，使用离散粒子群优化算法学习贝叶斯网络结构。2007年IEEE计算智能基础研讨会，第47-52页。
[38] 杨，C。；季军（Ji，J.）。；刘杰。；刘杰。；Yin，B.，通过细菌觅食优化进行贝叶斯网络结构学习，国际期刊近似推理。，69, 147-167 (2016) ·Zbl 1344.68194号
[39] 张，L。；Ji，Q.，自动交互式图像分割的贝叶斯网络模型，IEEE Trans。图像处理。一本出版物。IEEE信号处理。Soc.，20，9，2582-2593（2011）·Zbl 1372.94303号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。