基于遺傳算法的貝葉斯分類器結構學習研究.pdf

1、完全的貝葉斯網絡的結構學習是一個NP難問題，研究學者一般采用近似的方法來學習，Duda提出了樸素貝葉斯NB結構，Friedman提出了樹擴展樸素貝葉斯TAN結構；Keogh提出了SP結構；HuajieZhang提出了SN結構；PeterLucas提出了FAN結構；Cheng提出了BAN和GBN兩種網絡結構；石洪波等對TAN結構進行了優(yōu)化。它們在貝葉斯分類器結構學習中均取得了較好的效果?！　∵z傳算法(GeneticAlgorithm)是

2、模擬自然界生物進化過程與機制求解極值問題的一種自組織、自適應人工智能技術。引入遺傳算法改進貝葉斯網絡的結構學習是本文要解決的問題。本文的主要工作如下：　　(1)歸納綜述了貝葉斯網絡的理論框架，簡要討論了貝葉斯網絡的結構學習算法?！　?2)在程澤凱等用MATLAB語言基于BNT(BayesianNetworksToolkit)建構的貝葉斯分類器實驗平臺MBNC(BayesianNetworksClassifierusingMATLAB

3、)基礎上，擴展了MBNC實驗平臺的遺傳算法模塊，進行數據的預處理、實現了基于遺傳算法的貝葉斯分類器結構學習算法，進而實現了基于遺傳算法的貝葉斯分類器家族的多種分類器?！　?3)為將遺傳算法引入貝葉斯結構學習中來，深入研究了遺傳算法及基于MATLAB的實現，重點研究了基于整數編碼的遺傳算法及TSP問題求解；設計高效的求解TSP問題的遺傳算法，有重要的理論意義和實用價值。　　(4)基于遺傳算法的TANC結構學習算法。實驗結果表明，GA-