小样本贝叶斯网络结构学习的KDE-CGA算法

• 作者: 徐安 李战武 许建锐
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 小样本 贝叶斯网络 结构学习 核密度估计 云遗传算法
• 年，卷（期）: 2017,（z2）
• 所属期刊栏目: 大数据与数据挖掘
• 页码范围: 437-441
• 页数: 5页
• 分类号: TP181
• 字数: 4941字
• 语种: 中文

摘要

针对小样本数据条件下的贝叶斯网络结构学习,首先利用核密度估计(Kernel Density Estimation,KDE)对小规模样本数据进行拓展,然后引用云遗传算法(Cloud Theory-based Genetic Algotithm,CGA)对贝叶斯网络结构进行学习.通过优化改进核密度函数及其窗宽提高数据拓展效果;通过将云理论引入遗传算法中,自适应地改变交叉率和变异率,避免了算法局部寻优问题.仿真结果验证了该算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐安	空军工程大学航空航天工程学院	42	137	7.0	9.0
2	李战武	空军工程大学航空航天工程学院	56	166	7.0	8.0
3	许建锐	空军工程大学航空航天工程学院	2	4	1.0	2.0