發(fā)布時(shí)間：2018-05-02 18:36

  本文選題：貝葉斯網(wǎng)絡(luò) + 細(xì)菌覓食優(yōu)化算法　； 參考：《浙江大學(xué)》2017年碩士論文

【摘要】：貝葉斯網(wǎng)絡(luò)(Bayesian Networks,BNs)是為了解決不確定性和不完整性問(wèn)題而提出的一種基于概率推理的圖形化網(wǎng)絡(luò)。隨著人工智能和數(shù)據(jù)挖掘領(lǐng)域的興起,貝葉斯網(wǎng)絡(luò)也越來(lái)越成為研究的熱點(diǎn)。對(duì)于貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)這一NP難問(wèn)題的研究更是成為了研究的重點(diǎn)。本文首先闡述了貝葉斯網(wǎng)絡(luò)的起源與發(fā)展,貝葉斯網(wǎng)絡(luò)目前的應(yīng)用。結(jié)合簡(jiǎn)單的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu),介紹了貝葉斯網(wǎng)絡(luò)的基礎(chǔ)知識(shí)以及貝葉斯分類(lèi)器的知識(shí),并介紹了細(xì)菌算法的理論依據(jù)和研究現(xiàn)狀。其次,根據(jù)貝葉斯網(wǎng)絡(luò)的特點(diǎn),對(duì)細(xì)菌算法做了相應(yīng)的改進(jìn),在傳統(tǒng)細(xì)菌算法的基礎(chǔ)上,針對(duì)貝葉斯網(wǎng)絡(luò)的特點(diǎn),提出基于改進(jìn)細(xì)菌覓食優(yōu)化算法的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)策略,將傳統(tǒng)細(xì)菌算法中的趨化算子、繁殖算子和遷移算子進(jìn)行改進(jìn)。將自適應(yīng)理論應(yīng)用于細(xì)菌游動(dòng)步長(zhǎng)的計(jì)算和繁殖個(gè)體的選擇中;在遷移算子的遷移概率計(jì)算中,引入遺傳算法中的輪盤(pán)賭方法;在互信息理論的基礎(chǔ)上,給出一種新的網(wǎng)絡(luò)結(jié)構(gòu)隨機(jī)進(jìn)化方法,代替?zhèn)鹘y(tǒng)細(xì)菌算法中的隨機(jī)遷移,并將改進(jìn)后的細(xì)菌算法應(yīng)用于貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)中。最后,通過(guò)實(shí)驗(yàn)仿真并將本文算法學(xué)習(xí)得到的網(wǎng)絡(luò)結(jié)構(gòu)與貪婪算法、GTT算法和K2算法學(xué)習(xí)得到的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行比較,實(shí)驗(yàn)證明本文算法在貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)中能得到較好效果。
[Abstract]:Bayesian Networks (BNs) is a graphical network based on probabilistic reasoning to solve the problem of uncertainty and incompleteness. With the rise of artificial intelligence and data mining, Bayesian network has become a hot research topic. The study of Bayesian network structure learning, a NP-hard problem, has become the focus of the research. In this paper, the origin and development of Bayesian network and the current application of Bayesian network are described. Combined with the simple Bayesian network structure, the basic knowledge of Bayesian network and the knowledge of Bayesian classifier are introduced, and the theoretical basis and research status of bacterial algorithm are introduced. Secondly, according to the characteristics of Bayesian network, the corresponding improvement of bacterial algorithm is made. According to the characteristics of Bayesian network, the learning strategy of Bayesian network structure based on improved bacterial foraging optimization algorithm is put forward. The chemotaxis operator, propagation operator and migration operator in the traditional bacterial algorithm are improved. The adaptive theory is applied to the calculation of bacterial walking step size and the selection of propagating individuals; in the calculation of migration probability of migration operator, the roulette method of genetic algorithm is introduced; on the basis of mutual information theory, the method of roulette is introduced. A new random evolution method of network structure is proposed to replace the random migration in the traditional bacterial algorithm, and the improved bacterial algorithm is applied to Bayesian network structure learning. Finally, the network structure obtained by this algorithm is compared with that of greedy algorithm, GTT algorithm and K2 algorithm. The experimental results show that the proposed algorithm is effective in Bayesian network structure learning.
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳英武;高妍方;;貝葉斯網(wǎng)絡(luò)擴(kuò)展研究綜述[J];控制與決策;2008年10期

2 徐立;;預(yù)案分析的貝葉斯網(wǎng)絡(luò)方法[J];價(jià)值工程;2012年08期

3 胡春玲;;貝葉斯網(wǎng)絡(luò)研究綜述[J];合肥學(xué)院學(xué)報(bào)(自然科學(xué)版);2013年01期

4 樓宇希;;應(yīng)用貝葉斯方法縮短可靠性試驗(yàn)時(shí)間[J];現(xiàn)代雷達(dá);1986年01期

5 鄭駿;隨機(jī)方法與貝葉斯方法在高新技術(shù)中的應(yīng)用[J];軟科學(xué);1995年01期

6 覃秋梅;張師超;;一類(lèi)貝葉斯網(wǎng)絡(luò)的線性推理[J];計(jì)算機(jī)科學(xué);1999年10期

7 張琨,徐永紅,王珩,劉鳳玉;用于入侵檢測(cè)的貝葉斯網(wǎng)絡(luò)[J];小型微型計(jì)算機(jī)系統(tǒng);2003年05期

8 陳曉懷,程真英,劉春山;動(dòng)態(tài)測(cè)量誤差的貝葉斯建模預(yù)報(bào)[J];儀器儀表學(xué)報(bào);2004年S1期

9 李蕓;;基于貝葉斯信念網(wǎng)絡(luò)的數(shù)據(jù)分類(lèi)挖掘算法[J];計(jì)算機(jī)科學(xué);2006年09期

10 徐計(jì);張桂蕓;;基于貝葉斯網(wǎng)絡(luò)的一種牛奶產(chǎn)量預(yù)測(cè)研究[J];計(jì)算機(jī)工程與科學(xué);2008年10期

相關(guān)會(huì)議論文 前10條

1 David Z.D'Argenio;;貝葉斯方法在實(shí)驗(yàn)室研究向臨床的轉(zhuǎn)化以及辨識(shí)隱含亞群體中的應(yīng)用(英文)[A];中國(guó)藥理學(xué)會(huì)臨床藥理學(xué)專(zhuān)業(yè)委員會(huì)會(huì)議暨第十次全國(guó)臨床藥理學(xué)學(xué)術(shù)會(huì)議論文集[C];2007年

2 姜峰;高文;姚鴻勛;;貝葉斯網(wǎng)絡(luò)的推理和學(xué)習(xí)[A];全國(guó)網(wǎng)絡(luò)與信息安全技術(shù)研討會(huì)'2005論文集（下冊(cè)）[C];2005年

3 丁東洋;劉希陽(yáng);;風(fēng)險(xiǎn)分析中的穩(wěn)健貝葉斯方法[A];2011年全國(guó)電子信息技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2011年

4 周桃庚;沙定國(guó);;貝葉斯可靠性序貫驗(yàn)證試驗(yàn)方法[A];中國(guó)儀器儀表學(xué)會(huì)第三屆青年學(xué)術(shù)會(huì)議論文集（下）[C];2001年

5 陳曉懷;程真英;劉春山;;動(dòng)態(tài)測(cè)量誤差的貝葉斯建模預(yù)報(bào)[A];第二屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

6 杜鵬英;羅小平;何志明;;貝葉斯網(wǎng)絡(luò)的發(fā)展及理論應(yīng)用[A];第三屆全國(guó)虛擬儀器大會(huì)論文集[C];2008年

7 楊麗;武海濱;李康;;無(wú)金標(biāo)準(zhǔn)診斷試驗(yàn)評(píng)價(jià)的貝葉斯方法及應(yīng)用[A];2011年中國(guó)衛(wèi)生統(tǒng)計(jì)學(xué)年會(huì)會(huì)議論文集[C];2011年

8 寧鵬達(dá);;貝葉斯方法在風(fēng)險(xiǎn)投資項(xiàng)目決策中的應(yīng)用[A];第四屆中國(guó)科學(xué)學(xué)與科技政策研究會(huì)學(xué)術(shù)年會(huì)論文集（Ⅰ）[C];2008年

9 朱永生;;貝葉斯方法確定泊松變量的置信上限[A];中國(guó)物理學(xué)會(huì)高能物理分會(huì)第七屆學(xué)術(shù)年會(huì)實(shí)驗(yàn)分會(huì)場(chǎng)論文集[C];2006年

10 王增忠;柳玉杰;施建剛;;建筑工程項(xiàng)目全壽命安全管理決策的貝葉斯方法[A];中國(guó)優(yōu)選法統(tǒng)籌法與經(jīng)濟(jì)數(shù)學(xué)研究會(huì)第七屆全國(guó)會(huì)員代表大會(huì)暨第七屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2005年

相關(guān)博士學(xué)位論文 前10條

1 翟勝;基于貝葉斯網(wǎng)絡(luò)的復(fù)雜系統(tǒng)可靠分析方法研究與應(yīng)用[D];天津工業(yè)大學(xué);2016年

2 劉瑞;基于貝葉斯網(wǎng)絡(luò)的洪水災(zāi)害風(fēng)險(xiǎn)評(píng)估與建模研究[D];華東師范大學(xué);2016年

3 張潤(rùn)梅;基于貝葉斯網(wǎng)絡(luò)的復(fù)雜系統(tǒng)因果關(guān)系研究[D];合肥工業(yè)大學(xué);2015年

4 李艷穎;貝葉斯網(wǎng)絡(luò)學(xué)習(xí)及數(shù)據(jù)分類(lèi)研究[D];西安電子科技大學(xué);2015年

5 趙建U，

本文編號(hào)：1835026