基于粒子群优化算法的Bayesian网络结构学习  

Learn Bayesian Networks Based on Particle Swarm Optimization

作　　者：刘欣[1,2] 贾海洋[1,2] 刘大有[1,2] 

机构地区：[1]吉林大学计算机科学与技术学院,吉林长春130012 [2]吉林大学符号计算与知识工程教育部重点实验室,吉林长春130012

出　　处：《小型微型计算机系统》2008年第8期1516-1519,共4页Journal of Chinese Computer Systems

基　　金：国家自然科学基金重大项目(60496321)资助;国家自然科学基金项目(60373098;60573073)资助;国家高技术研究发展计划项目(20060110Z2037)资助;吉林省科技发展计划重大项目(20020303)资助;吉林省科技发展计划项目(20030523)资助;欧盟TH/Asia Link/010项目(111084)资助

摘　　要：近年来,Bayesian网络已经成为人工智能领域的研究热点.为了更广泛的应用Bayesian网络,本文采用粒子群优化搜索算法,通过对粒子群算法中各个算子的确定,从训练数据样本中学习到Bayesian网络结构,并用测试数据样本测试学习结果与训练数据的匹配程度,试验结果表明,该算法能有效地学习到Bayesian网络结构.Bayesian Networks and the algorithms to learn Bayesian Networks structure have been paid more and more attention by artificial intelligence researcher. This paper adopts particle swarm optimization to learn Bayesian networks structure from the training data set, and then estimating the network structure this approach learned using the test data set. Finally, the experimental result demonstrates this approach＇s accuracy.

关 键 词：粒子群算法 贝叶斯网络 结构学习 

分 类 号：TP393[自动化与计算机技术—计算机应用技术]