基于人工魚群的貝葉斯網(wǎng)絡結(jié)構(gòu)學習算法研究.pdf

1、隨著通信技術(shù)的發(fā)展，每天會產(chǎn)生大量數(shù)據(jù)，從這些數(shù)據(jù)中挖掘出有用的信息對于社會的發(fā)展有重要的影響。數(shù)據(jù)挖掘就是一種重要的信息處理技術(shù)，它可以從大量的數(shù)據(jù)中挖掘其規(guī)律并且將規(guī)律表示出來，可以進行聚類分析、關(guān)聯(lián)規(guī)則、分類分析、異常檢測等。分類是數(shù)據(jù)挖掘中最重要的挖掘任務之一，它是對訓練集進行學習建立一個分類模型，通過該模型對其他未分類的數(shù)據(jù)進行分類預測。好的分類模型有助于人們總結(jié)出一套準確的分類策略，運用該分類器能對樣本進行準確的分類，從而更

2、好的掌握數(shù)據(jù)信息。
　　 貝葉斯網(wǎng)絡是一種典型的分類器，貝葉斯網(wǎng)絡結(jié)合概率論和圖論的相關(guān)知識可以用于表示不確定性信息，還可以處理數(shù)據(jù)集中有缺失數(shù)據(jù)或者存在噪聲的數(shù)據(jù)。貝葉斯網(wǎng)絡的第一個任務就是構(gòu)造貝葉斯分類模型即構(gòu)造BN結(jié)構(gòu)，它從以前的靠專家的先驗知識構(gòu)造轉(zhuǎn)為從數(shù)據(jù)中更精確的學習，找到與數(shù)據(jù)擬合的比較好的網(wǎng)絡模型。優(yōu)化貝葉斯網(wǎng)絡結(jié)構(gòu)的算法各種各樣，現(xiàn)在從數(shù)據(jù)中學習貝葉斯網(wǎng)絡結(jié)構(gòu)主要的流行方法有兩類：1、基于信息論依賴分析的學習方

3、法2、基于打分搜索的方法。其中基于打分搜索的方法研究的比較多，本文也是采用貝葉斯評分和人工魚群搜索的方法來學習貝葉斯網(wǎng)絡結(jié)構(gòu)。
　　 人工魚群是近年來新提出的一種仿生優(yōu)化算法，人工魚個體根據(jù)周圍環(huán)境進行行為選擇來調(diào)整自身的狀態(tài)，從而達到全局最優(yōu)。它具有良好的魯棒性、快速收斂的能力等優(yōu)點。在MBNC實驗平臺上實現(xiàn)利用人工魚群學習貝葉斯網(wǎng)絡結(jié)構(gòu)，其中主要步驟包括編碼、人工魚群的初始化、公告板的使用、行為方式及其選擇、使用貝葉斯評分作

4、為每條人工魚的適應值。在人工魚群算法用來優(yōu)化的問題中，貝葉斯網(wǎng)絡結(jié)構(gòu)的優(yōu)化有著與其他問題很大的區(qū)別就是它優(yōu)化的是一種結(jié)構(gòu)，一系列的有向無環(huán)圖，針對它的特殊性本文進行了一系列的研究，進行了移動策略的研究，提出了更改結(jié)點順序的移動策略和加邊、減邊、逆向邊的移動策略。本文主要采用更改結(jié)點順序的移動策略，在以后的研究中可以采用其他提到的移動策略來改進算法。通過實驗驗證了人工魚群規(guī)模和迭代次數(shù)參數(shù)設置對結(jié)果的影響，選擇了最佳的人工魚群規(guī)模和迭代次