基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
目前结构学习的算法普遍存在收敛性差、精确度低、易陷入局部最优等问题.为此,提出一种新的网络结构学习算法.通过保留飞蛾-烛火优化算法的整体框架,借鉴遗传算法的杂交、变异等操作,替换原算法的位置更新方法.变异操作时考虑节点间的互信息,对不同节点采取不同的变异动作,保障结构返回的稳定性.实验结果表明,该算法能够较快地学习到评分最优的网络结构,且获得的结构和标准的网络结构最相似.
推荐文章
贝叶斯网络结构学习综述
贝叶斯网络
结构学习
数据
统计分析
搜索
基于最大信息系数的贝叶斯网络结构学习算法
贝叶斯网络
结构学习
节点次序
最大信息系数
条件独立性测试
贝叶斯网络结构学习的发展与展望
概率贝叶斯网络
因果贝叶斯网络
贝叶斯网络结构学习
因果数据挖掘
基于量子遗传算法的贝叶斯网络结构学习
贝叶斯网络
结构学习
量子遗传算法
量子位
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于飞蛾-烛火优化算法的贝叶斯网络结构学习
来源期刊 计算机工程 学科 工学
关键词 贝叶斯网络 全局搜索 飞蛾-烛火优化算法 遗传算法 互信息
年,卷(期) 2018,(1) 所属期刊栏目 人工智能及识别技术
研究方向 页码范围 187-192
页数 6页 分类号 TP301.6
字数 4691字 语种 中文
DOI 10.3969/j.issn.1000-3428.2018.01.032
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 殷保群 中国科学技术大学自动化系 72 533 10.0 20.0
2 曹杰 中国科学技术大学自动化系 17 282 5.0 16.0
3 包义钊 中国科学技术大学自动化系 1 5 1.0 1.0
4 姚进发 中国科学技术大学自动化系 1 5 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (28)
共引文献  (15)
参考文献  (11)
节点文献
引证文献  (5)
同被引文献  (14)
二级引证文献  (5)
1968(1)
  • 参考文献(0)
  • 二级参考文献(1)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(1)
  • 二级参考文献(1)
1994(1)
  • 参考文献(1)
  • 二级参考文献(0)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(2)
  • 参考文献(1)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(3)
  • 参考文献(1)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(3)
  • 参考文献(1)
  • 二级参考文献(2)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(6)
  • 参考文献(0)
  • 二级参考文献(6)
2011(3)
  • 参考文献(1)
  • 二级参考文献(2)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(6)
  • 引证文献(4)
  • 二级引证文献(2)
2020(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
贝叶斯网络
全局搜索
飞蛾-烛火优化算法
遗传算法
互信息
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
总被引数(次)
317027
论文1v1指导