基于粒子群优化建模的贝叶斯网络结构学习方法.PDFVIP

第３１卷第１１期　　　 计算机应用与软件 Ｖｏｌ３１Ｎｏ．１１ ２０１４年１１月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｎｏｖ．２０１４ 基于粒子群优化建模的贝叶斯网络结构学习方法 李 东 灵 （商丘职业技术学院　河南商丘４７６０００） 摘　要　　贝叶斯网络（ＢＮ）在不确定性的条件下表示信息和推理论证具有良好的性能，但由于其结构有哪些信誉好的足球投注网站空间的复杂性，通常将 从一个数据集合中学习贝叶斯网络的结构认为是一种ＮＰｈａｒｄ的问题。基于此，提出一种新的基于粒子群优化算法建模的贝叶斯 网络结构学习方法。为了学习一个贝叶斯网络的结构，该方法先使用粒子群优化算法在排序空间中进行有哪些信誉好的足球投注网站，然后运行Ｋ２算法计 算每个排序的吻合度。每个排序都会有一个网络结构与之一致，该方法会返回这个网络的计分。仿真结果表明，在不同规模的数据 集中，该算法相对于其他贝叶斯网络结构学习算法对不同类型的网络都具有更好的网络稳定性。 关键词　　贝叶斯网络　粒子群优化　Ｋ２算法　结构学习 中图分类号　ＴＰ３９１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１４．１１．０４４ ＡＢＡＹＥＳＩＡＮＮＥＴＷＯＲＫＳＳＴＲＵＣＴＵＲＥＬＥＡＲＮＩＮＧＭＥＴＨＯＤＢＡＳＥＤ ＯＮＰＡＲＴＩＣＬＥＳＷＡＲＭＯＰＴＩＭＩＳＡＴＩＯＮＭＯＤＥＬＬＩＮＧ ＬｉＤｏｎｇｌｉｎｇ （ＳｈａｎｇｑｉｕＰｏｌｙｔｅｃｈｎｉｃ，Ｓｈａｎｇｑｉｕ４７６０００，Ｈｅｎａｎ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｂａｙｅｓｉａｎｎｅｔｗｏｒｋｓ（ＢＮｓ）ｈａｖｅｇｏｏｄｐｅｒｆｏｒｍａｎｃｅｓｗｈｅｎｕｓｅｄｆｏｒｒｅｐｒｅｓｅｎｔｉｎｇｉｎｆｏｒｍａｔｉｏｎａｎｄｒｅａｓｏｎｉｎｇｕｎｄｅｒｕｎｃｅｒｔａｉｎ ｃｉｒｃｕｍｓｔａｎｃｅｓ，ｂｕｔｄｕｅｔｏｔｈｅｃｏｍｐｌｅｘｉｔｙｉｎｉｔｓｓｔｒｕｃｔｕｒｅｓｅａｒｃｈｓｐａｃｅ，ａｓｔｒｕｃｔｕｒｅｌｅａｒｎｉｎｇＢＮｆｒｏｍａｄａｔａｓｅｔｉｓｉｎｇｅｎｅｒａｌｒｅｇａｒｄｅｄａｓａｎ ＮＰｈａｒｄｐｒｏｂｌｅｍ．Ｂａｓｅｄｏｎｔｈｉｓ，ｗｅｐｒｏｐｏｓｅａｎｏｖｅｌＢＮｓｔｒｕｃｔｕｒｅｌｅａｒｎｉｎｇａｐｐｒｏａｃｈｗｈｉｃｈｉｓｂａｓｅｄｏｎｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｓａｔｉｏｎ（ＰＳＯ） ｍｏｄｅｌｌｉｎｇ．ＩｎｏｒｄｅｒｔｏｌｅａｒｎａｓｔｒｕｃｔｕｒｅｏｆＢａｙｅｓｉａｎｎｅｔｗｏｒｋ，ｔｈｅａｐｐｒｏａｃｈｆｉｒｓｔｕｓｅｓＰＳＯｔｏｓｅａｒｃｈｉｎｓｏｒｔｉｎｇｓｐａｃｅ，ａｎｄｔｈｅｎｃａｌｃｕｌａｔｅｓｔｈｅ ｆｉｔｎｅｓｓｏｆｅａｃｈｏｒｄｅｒｉｎｇｂｙｒｕｎｎｉｎｇｔｈｅＫ２ａｌｇｏｒｉｔｈｍ．Ｅｖｅｒｙｏｒｄｅｒｉｎｇｗｉｌｌｈａｖｅａｃｏｒｒｅｓｐｏｎｄｉｎｇｎｅｔｗｏｒｋｓｔｒｕｃｔｕｒｅ，ａｎｄｔｈｅａｐｐｒｏａｃｈｗｉｌｌｆｅｅｄ ｂａｃｋｔｈｅｓｃｏｒｅｏｆｔｈｉｓｎｅｔｗｏｒｋ．Ｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅａｐｐｒｏａｃｈｃａｎｐｒｏｄｕｃｅｂｅｔｔｅｒｎｅｔｗｏｒｋｓｔａｂｉｌｉｔｉｅｓｏｎｔｈｅｎｅｔｗｏｒｋｓｗｉｔｈｄｉｆｆｅｒｅｎｔ ｔｙｐｅｓｃｏｍｐａｒｅｄｗｉｔｈｏｔｈｅｒＢＮｓｔｒｕｃｔｕｒｅｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍｓｉｎｄａｔａｂａｓｅｓｗｉｔｈｄｉｆｆｅｒｅｎｔｓｃａｌｅｓ． Ｋｅｙｗｏｒｄｓ　　Ｂａｙｅｓｉａｎｎｅｔｗｏｒｋｓ　Ｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｓａｔｉｏｎ　Ｋ２ａｌｇｏｒｉｔｈｍ　Ｓｔｒｕｃｔｕｒｅｌｅａｒｎｉｎｇ 题所涉及的变量的排序情况［８］。 ０　引　言 本文的研究以根据数据学习贝叶斯网络结构为中心，研究