01 现在的位置:首页 > 期刊导读 > 2020 > 01 >

基于贝叶斯-遗传算法的多值无环CP-nets学习

【作者】信统昌 刘兆伟

【关键词】 多值属性 贝叶斯方法 遗传算法 无环 CP⁃nets

摘要条件偏好网(Conditional Preference networks,CP⁃nets)是描述属性间条件偏好的图模型,多值无环CP⁃nets学习是重要的研究方向之一.区别于传统的CP⁃nets学习方法,提出基于贝叶斯方法和遗传算法的多值无环CP⁃nets学习.在偏好处理上以多值属性的完整偏序关系作为条件偏好,进行相关性关系判定.随后,基于贝叶斯方法,以单一父属性推出多父属性下的相关性关系,进行CP⁃nets结构学习.采用遗传算法在CP⁃nets结构搜索空间中进行搜索,求解最优结构.通过Delink算法进行去环,完成无环CP⁃nets学习.在寿司数据集上验证算法的有效性,实验结果表明,基于贝叶斯⁃遗传算法的CP⁃nets学习算法能够在有限时间内学习得到局部最优无环CP⁃nets.

上一篇:一种用于数据流自适应分类的主动学习方法
下一篇:带权图的多重分形研究

版权所有:《南京大学学报(自然科学版)》 苏ICP备10085945号
地址:江苏省南京市鼓楼区汉口路22号,《南京大学学报》编辑部,210093