基于改進(jìn)云遺傳算法的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí).pdf

1、貝葉斯網(wǎng)絡(luò)(Bayesian Networks，BNs)用圖形化的模型來(lái)表示變量間的概率分布，具有清晰的網(wǎng)絡(luò)結(jié)構(gòu)、靈活的推理能力、方便的決策機(jī)制以及有效的學(xué)習(xí)機(jī)制，已成為人工智能系統(tǒng)中不確定知識(shí)表達(dá)和數(shù)據(jù)分析、推理的有效工具。貝葉斯網(wǎng)絡(luò)的學(xué)習(xí)包括結(jié)構(gòu)學(xué)習(xí)和參數(shù)學(xué)習(xí)。參數(shù)學(xué)習(xí)在給定網(wǎng)絡(luò)結(jié)構(gòu)和數(shù)據(jù)下可以較為簡(jiǎn)單得到，而結(jié)構(gòu)學(xué)習(xí)是一個(gè)NP難問(wèn)題，因此尋求有效的結(jié)構(gòu)學(xué)習(xí)方法和算法對(duì)于構(gòu)建貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)具有重要的意義。
　　 本文對(duì)貝葉斯

2、網(wǎng)絡(luò)結(jié)構(gòu)性學(xué)習(xí)做了深入研究，在傳統(tǒng)遺傳算法的基礎(chǔ)上，引入云模型自適應(yīng)器、免疫原理、聯(lián)姻策略等，針對(duì)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)特點(diǎn)，將改進(jìn)的云自適應(yīng)遺傳算法用于貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)，主要工作如下：
　　 首先，介紹貝葉斯網(wǎng)絡(luò)的基本理論，對(duì)貝葉斯網(wǎng)絡(luò)的理論框架展開(kāi)綜述。
　　 其次，詳細(xì)介紹云模型的基本理論，結(jié)合云模型隨機(jī)性和穩(wěn)定傾向性的特點(diǎn)，重點(diǎn)研究基于云模型的云遺傳算法，以及對(duì)云遺傳算法中自適應(yīng)調(diào)整交叉率和變異率的策略。