基于遗传算法的Bayesian网中连续变量离散化的研究

• 作者: 刘大有 王飞 薛万欣
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: Bayesian网学习 离散变量 连续变量 离散化 遗传算法
• 年，卷（期）: 2002,（8）
• 所属期刊栏目: 研究论文与技术报告
• 页码范围: 794-800
• 页数: 7页
• 分类号: TP301
• 字数: 6564字
• 语种: 中文
• DOI: 10.3321/j.issn:0254-4164.2002.08.002

摘要

文中对如何从含有离散变量和连续变量的混合数据中学习Bayesian网进行了研究,提出了一种基于遗传算法的连续变量离散化算法. 在该算法中给出了兼顾离散模型准确度和复杂度的适应度函数;并基于对离散化的实质性分析,定义了离散策略等价的概念,由此制定了离散策略的编码方案;进一步设计了变换离散策略的遗传算子. 该算法不存在局部极值问题,且不需要事先给定变量序关系. 模拟实验结果表明,该算法能有效地对连续变量离散化,从而使得从混合数据中学到的Bayesian网具有较好性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘大有	吉林大学计算机科学与技术学院	211	4714	34.0	63.0
2	王飞	复旦大学计算机科学与工程系	44	288	10.0	15.0
6	薛万欣	吉林大学计算机科学与技术学院	3	141	3.0	3.0