2.765

2022影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

一种基于独立性测试和蚁群优化的贝叶斯网学习算法

冀俊忠 张鸿勋 胡仁兵 刘椿年

冀俊忠, 张鸿勋, 胡仁兵, 刘椿年. 一种基于独立性测试和蚁群优化的贝叶斯网学习算法. 自动化学报, 2009, 35(3): 281-288. doi: 10.3724/SP.J.1004.2009.00281
引用本文: 冀俊忠, 张鸿勋, 胡仁兵, 刘椿年. 一种基于独立性测试和蚁群优化的贝叶斯网学习算法. 自动化学报, 2009, 35(3): 281-288. doi: 10.3724/SP.J.1004.2009.00281
JI Jun-Zhong, ZHANG Hong-Xun, HU Ren-Bing, LIU Chun-Nian. A Bayesian Network Learning Algorithm Based on Independence Test and Ant Colony Optimization. ACTA AUTOMATICA SINICA, 2009, 35(3): 281-288. doi: 10.3724/SP.J.1004.2009.00281
Citation: JI Jun-Zhong, ZHANG Hong-Xun, HU Ren-Bing, LIU Chun-Nian. A Bayesian Network Learning Algorithm Based on Independence Test and Ant Colony Optimization. ACTA AUTOMATICA SINICA, 2009, 35(3): 281-288. doi: 10.3724/SP.J.1004.2009.00281

一种基于独立性测试和蚁群优化的贝叶斯网学习算法

doi: 10.3724/SP.J.1004.2009.00281
详细信息
    通讯作者:

    冀俊忠

A Bayesian Network Learning Algorithm Based on Independence Test and Ant Colony Optimization

More Information
    Corresponding author: JI Jun-Zhong
  • 摘要: 针对ACO-B蚁群算法学习贝叶斯网结构的不足, 提出了一种基于独立性测试和蚁群优化的改进算法. 新算法首先利用0阶独立性测试来限制侯选结构的搜索空间, 避免了蚁群的一些不必要的搜索, 然后融合解的全局评分增益和节点间局部的互信息, 给出了启发能力更强的启发函数来引导随机搜索. 实验结果表明, 新算法能够更有效地处理大规模数据, 且学习速度有较大改进.
  • 加载中
计量
  • 文章访问数:  2064
  • HTML全文浏览量:  90
  • PDF下载量:  1484
  • 被引次数: 0
出版历程
  • 收稿日期:  2007-12-24
  • 修回日期:  2008-04-15
  • 刊出日期:  2009-03-20

目录

    /

    返回文章
    返回