×
王景云;刘三阳

基于带变异算子的双速离散粒子群优化学习贝叶斯网络。 （英语） Zbl 1486.68162号

打开数学。 16, 1022-1036 (2018).
摘要：贝叶斯网络中的结构学习问题是发现一个在某种意义上是给定数据库的最佳表示的有向非循环图。基于分数的学习算法是构建贝叶斯网络的重要结构学习方法之一。这些算法是通过使用一些启发式搜索策略来实现每个候选贝叶斯网络的得分最大化来实现的。该算法中的变异策略可以有效防止早熟收敛，提高种群的搜索能力。我们在从三个著名的基准网络中采样的数据库上测试了所提出的算法，并与其他算法进行了比较。实验结果证明了该算法在贝叶斯网络学习中的优越性。

MSC公司：

68T05年 人工智能中的学习和自适应系统
62H22个 概率图形模型
68兰特 计算机科学中的图论（包括图形绘制）
68T20型 人工智能背景下的问题解决（启发式、搜索策略等）
68瓦50 进化算法、遗传算法（计算方面）
90 C59 数学规划中的近似方法和启发式

关键词：

贝叶斯网络;结构学习;粒子群优化;变异算子
PDF格式BibTeX公司 XML格式引用
\textit{J.Wang}和\textit{S.Liu}，开放数学。161022--1036（2018；Zbl 1486.68162）
全文： 内政部
OA许可证

参考文献：

[1] Jayech K.，Mahjoub M.A.，Ghanmi N.，贝叶斯网络在模式识别中的应用：字符识别案例，第六届电子科学、信息与通信技术国际会议论文集，2012年，IEEE，第748-757页；Jayech，K。；Mahjoub，医学硕士。；Ghanmi，N.，《信息和电信技术》（SETIT），748-757（2012）
[2] 王琦，高霞，陈丹，基于贝叶斯网络的船舶模式识别，第四届模糊系统与知识发现国际会议论文集，2007年，第4卷，IEEE，第684-688页；王，Q。；高，X。；Chen，D.，《第四届模糊系统与知识发现国际会议论文集》，4684-688（2007）
[3] Nikovski D.，从不完全和部分正确的统计数据构建医学诊断贝叶斯网络，IEEE知识与数据工程汇刊，2000，12（4），509-516；Nikovski，D.，从不完全和部分正确的统计数据构建医学诊断贝叶斯网络，IEEE知识与数据工程汇刊，12，4，509-516（2000）
[4] AlObaidi A.T.S.，Mahmood N.T.，用于医疗诊断的改进型全贝叶斯网络分类器，《高级计算机科学应用与技术国际会议论文集》（ACSAT），2013年，IEEE，第5-12页；AlObaidi，A.T.S。；Mahmood，N.T.，《高级计算机科学应用和技术国际会议论文集》（ACSAT），5-12（2013）
[5] Bonafede C.E.、Giudici P.，企业风险评估贝叶斯网络，《物理学A：统计力学及其应用》，2007年，382（1），22-28；Bonafede，C.E。；Giudici，P.，企业风险评估的贝叶斯网络，《物理学A：统计力学及其应用》，382，1，22-28（2007）
[6] Liu Q.，Pérès F.，Tchangani A.，面向对象的复杂系统风险评估贝叶斯网络，IFAC-PapersOnLine，2016，49（28），31-36；刘，Q。；佩雷斯，F。；Tchangani，A.，用于复杂系统风险评估的面向对象贝叶斯网络，IFAC论文在线，49，28，31-36（2016）
[7] Li Y.，Ngom A.，用于从时间序列微阵列数据识别基因调控网络的最大-最小高阶动态贝叶斯网络学习，IEEE生物信息学和计算生物学计算智能研讨会（CIBCB），2013年，IEEE，第83-90页；李毅。；Ngom，A.，IEEE生物信息学和计算生物学计算智能研讨会（CIBCB），83-90（2013）
[8] Tamada Y.、Imoto S.、Araki H.、Nagasaki M.、Print C.、Charnock-Jones D.S.、Miyano S.，在大规模并行计算机上使用非参数贝叶斯网络模型估计全基因组基因网络，IEEE/ACM计算生物学和生物信息学汇刊，2011，8（3），683-697；Y.田田。；Imoto，S。；荒木，H。；M.长崎。；印刷，C。；Charnock-Jones，D.S。；Miyano，S.，在大规模并行计算机上使用非参数贝叶斯网络模型估计全基因组基因网络，IEEE/ACM计算生物学和生物信息学汇刊，8，3，683-697（2011）
[9] 王明，陈忠，Cloutier S.，构建基因网络的混合贝叶斯网络学习方法，计算生物学与化学，2007，31（5-6），361-372；王，M。；陈，Z。；Cloutier，S.，构建基因网络的混合贝叶斯网络学习方法，计算生物学与化学，31361-372（2007）·兹比尔1141.92319
[10] Margaritis D.，从数据中学习贝叶斯网络模型结构（博士论文），技术代表，卡内基梅隆大学匹兹堡PA计算机科学学院，2003年；Margaritis，D.，从数据中学习贝叶斯网络模型结构（博士论文），技术代表（2003）·Zbl 1375.91036号
[11] Tsamardinos I.、Aliferis C.F.、Statnikov A.R.、Statnikov E.，《大规模马尔可夫覆盖层发现算法》，《FLAIRS会议论文集》，2003年，第2卷，第376-380页；沙马尔迪诺斯一世。；Aliferis，C.F。；Statnikov，A.R。；Statnikov，E.，《大规模马尔可夫毯发现算法》，FLAIRS会议论文集，2376-380（2003）·Zbl 1242.68197号
[12] Tsamardinos I.，Aliferis C.F.，Statnikov A.，《马尔可夫覆盖层和直接因果关系的时间和样本高效发现》，第九届ACM SIGKDD国际知识发现和数据挖掘会议论文集，2003年，ACM，第673-678页；沙马尔迪诺斯一世。；Aliferis，C.F.等人。；Statnikov，A.，第九届ACM SIGKDD知识发现和数据挖掘国际会议论文集，673-678（2003）·Zbl 1242.68198号
[13] Pena J.M.，Nilsson R.，Björkegren J.，TegnéR J.，迈向马尔可夫边界的可扩展和数据高效学习，国际近似推理杂志，2007，45（2），211-232；佩纳，J.M。；尼尔森，R。；Björkegren，J。；Tegnér，J.，《迈向马尔可夫边界的可扩展和数据高效学习》，《国际近似推理杂志》，45，2，211-232（2007）·Zbl 1122.68136号
[14] Cooper G.F.，Herskovits E.，从数据中归纳概率网络的贝叶斯方法，机器学习，1992，9（4），309-347；库珀，G.F。；Herskovits，E.，从数据中归纳概率网络的贝叶斯方法，机器学习，9，4，309-347（1992）·Zbl 0766.68109号
[15] AlcobéJ.R.，用于贝叶斯网络结构学习的增量爬山搜索，第15届欧洲机器学习会议论文集，2004年，IEEE Pisa，意大利，第1-10页；Alcobé，J.R.，《第十五届欧洲机器学习会议论文集》，1-10（2004）
[16] Chickering D.M.，贪婪搜索下的最优结构识别，机器学习研究杂志，2002，3（11），507-554；Chickering，D.M.，贪婪搜索的最优结构识别，机器学习研究杂志，3，11，507-554（2002）·Zbl 1084.68519号
[17] Chickering D.M.、Geiger D.、Heckerman D.等人，《学习贝叶斯网络是np-hard》，Citeser技术代表，1994年；Chickering，D.M。；盖革，D。；Heckerman，D.，学习贝叶斯网络是np-hard，技术代表（1994）·Zbl 0831.68096号
[18] Tonda A.P.、Lutton E.、Reuillon R.、Squillero G.、Wuillemin P.H.，通过图进化从有限数据集学习贝叶斯网络结构，《欧洲遗传编程会议论文集》，2012年，第254-265页；Tonda，A.P。；鲁顿，E。；Reuillon，R。；斯奎列罗，G。；Wuillemin，P.H.，通过图进化从有限的数据集学习贝叶斯网络结构，《欧洲遗传编程会议论文集》，254-265（2012）
[19] Tonda A.，Lutton E.，Squillero G.，Wuillemin P.H.，贝叶斯网络结构学习的模因方法，计算机科学讲义，2013，7835，102-111；通达，A。；鲁顿，E。；斯奎列罗，G。；Wuillemin，P.H.，贝叶斯网络结构学习的模因方法，《计算机科学讲义》，7835，102-111（2013）
[20] 季杰，杨C.，刘杰，刘杰和尹B.，群智能在贝叶斯网络结构学习中的比较研究，软计算，2017，21（22），6713-6738；季军（Ji，J.）。；杨，C。；刘杰。；刘杰。；Yin，B.，《用于贝叶斯网络结构学习的群智能比较研究》，软计算，21，22，6713-6738（2017）
[21] De Campos L.M.，Fernandez-Luna J.M.，Gámez J.A.，Puerta J.M..，学习贝叶斯网络的蚁群优化，国际近似推理杂志，2002，31（3），291-311；De Campos，L.M。；Fernandez-Luna，J.M。；Gámez，J.A。；Puerta，J.M.，学习贝叶斯网络的蚁群优化，国际近似推理杂志，31，39291-311（2002）·兹比尔1033.68091
[22] Daly R.，Shen Q.，等，用蚁群优化学习贝叶斯网络等价类，人工智能研究杂志，2009，35（1），391-447；Daly，R。；沈庆，用蚁群优化学习贝叶斯网络等价类，《人工智能研究杂志》，35，1，391-447（2009）·Zbl 1192.68670号
[23] Jun-Zhong J.，Zhang H.X.，Ren-Bing H.，Chun-Nian L.，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，2009，35（3），281-288；Jun-Zhong，J。；张海霞。；Ren-Bing，H。；Chun-Nian，L.，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
[24] 季杰，魏宏，刘川，一种用于学习贝叶斯网络的人工蜂群算法，软计算，2013，17（6），983-994；季军（Ji，J.）。；魏，H。；Liu，C.，用于学习贝叶斯网络的人工蜂群算法，软计算，17，6，983-994（2013）
[25] 杨C.，季J.，刘J.，刘J.，尹B.，基于细菌觅食优化的贝叶斯网络结构学习，国际近似推理杂志，2016，69，147-167；杨，C。；季军（Ji，J.）。；刘杰。；刘杰。；Yin，B.，通过细菌觅食优化实现贝叶斯网络的结构学习，国际近似推理杂志，69，147-167（2016）·Zbl 1344.68194号
[26] Gheisari S.，Meybodi M.R.，Bnc-pso：基于粒子群优化的贝叶斯网络结构学习，信息科学，2016，348，272-289；盖萨里，S。；Meybodi，M.R.，Bnc-pso：通过粒子群优化进行贝叶斯网络的结构学习，信息科学，348272-289（2016）·Zbl 1398.68435号
[27] 王涛，杨杰，利用离散粒子群优化学习贝叶斯网络的启发式方法，知识与信息系统，2010，24（2），269-281；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，知识与信息系统，24，2，269-281（2010）
[28] 邢振华，郑强，雷涛，李萍S.，用离散粒子群优化算法学习贝叶斯网络结构，IEEE计算智能基础研讨会，2007，IEEE，第47-52页；兴辰，H。；郑琦。；Lei，T。；Li-Ping，S.，IEEE计算智能基础研讨会，47-52（2007）
[29] Aouay S.、Jamoussi S.、Ayed Y.B.，基于粒子群优化的贝叶斯网络结构学习方法，第五届建模、仿真和应用优化国际会议论文集，2013年，IEEE，第1-6页；南澳大利亚州奥艾。；Jamoussi，S。；Ayed，Y.B.，第五届建模、仿真和应用优化国际会议论文集，1-6（2013）
[30] 钟伟林，黄杰，张杰，图中steiner树问题的一种新型粒子群优化算法，IEEE进化计算大会（IEEE计算智能世界大会），2008，IEEE，第2460-2467页；钟，W.L。；黄，J。；张杰，IEEE进化计算大会（IEEE计算智能世界大会），2460-2467（2008）
[31] 沈M.，詹振华，陈文南，龚勇杰，张杰，李勇，双速离散粒子群优化及其在通信网络组播路由问题中的应用，IEEE工业电子学报，2014，61（12），7141-7151；沈，M。；詹振华。；Chen，W.N。；龚永杰。；张杰。；Li，Y.，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，IEEE工业电子学报，61，12，7141-7151（2014）
[32] Larrañaga P.，Poza M.，Yurramendi Y.，Murga R.H.，Kuijpers C.M.H.，用遗传算法学习贝叶斯网络的结构：控制参数的性能分析，IEEE P模式分析和机器智能学报，1996，18（9），912-926；拉腊尼亚加，P。；波扎，M。；尤拉曼迪，Y。；Murga，R.H。；Kuijpers，C.M.H.，《用遗传算法学习贝叶斯网络的结构：控制参数的性能分析》，IEEE Ppattern analysis and Machine Intelligence汇刊，18，9，912-926（1996）
[33] Beinlich I.A.、Suermondt H.J.、Chavez 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，AIME 89，Springer，1989年，第247-256页；Beinlich，I.A。；苏尔蒙特，H.J。；查韦斯，R.M。；Cooper，G.F.，《警报监控系统：信念网络两种概率推理技术的案例研究》，AIME 89，Springer，247-256（1989）
[34] Lauritzen S.L.、Spiegelhalter D.J.，《图形结构概率的局部计算及其在专家系统中的应用》，《皇家统计学会杂志》。B系列（方法学），1988年，157-224；Lauritzen，S.L。；Spiegelhalter，D.J.，《图形结构概率的局部计算及其在专家系统中的应用》，《皇家统计学会杂志》。B系列（方法学），157-224（1988）·Zbl 0684.68106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。