K2 & HC 结构学习算法 |
| |
引用本文: | 吴永广,庞世春.K2 & HC 结构学习算法[J].计算机与数字工程,2014(7):1137-1140. |
| |
作者姓名: | 吴永广 庞世春 |
| |
作者单位: | 空军航空大学基础部,长春130022 |
| |
摘 要: | 贝叶斯网络理论在人工智能领域发挥着重要作用。贝叶斯网络从数据中学习知识的能力使得它在医学、故障诊断、预测等领域的应用迅速发展起来。结构学习算法成为贝叶斯网络的重要研究方向,它能够有效分析变量之间依赖关系,合理挖掘数据和知识。K2算法评分性能突出,而爬山算法能有效弥补K2评分法的解空间过于复杂的问题。论文结合K2评分函数和爬山策略,提出了K2&HC算法。同时,K2&HC算法在爬山策略中融入了回溯原理,解决了贝叶斯结构学习算法中存在的收敛于局部最优的问题,合理优化了算法的性能。同K2和K2SA算法进行仿真对比,得出在精度和收敛速度综合性能上K2&HC表现突出的结论。
|
关 键 词: | K2算法 爬山法 评分搜索 贝叶斯网络 结构学习 |
本文献已被 维普 等数据库收录! |
|