基于贝叶斯-遗传算法的多值无环CP-nets学习

• 作者: 信统昌 刘兆伟
• 来源期刊: 南京大学学报（自然科学版）
• 学科: 工学
• 关键词: 多值属性 贝叶斯方法 遗传算法 无环 CP-nets
• 年，卷（期）: 2020,（1）
• 页码范围: 74-84
• 页数: 11页
• 分类号: TP181
• 字数: 8265字
• 语种: 中文
• DOI: 10.13232/j.cnki.jnju.2020.01.009

摘要

条件偏好网(Conditional Preference networks,CP-nets)是描述属性间条件偏好的图模型,多值无环CP-nets学习是重要的研究方向之一.区别于传统的CP-nets学习方法,提出基于贝叶斯方法和遗传算法的多值无环CP-nets学习.在偏好处理上以多值属性的完整偏序关系作为条件偏好,进行相关性关系判定.随后,基于贝叶斯方法,以单一父属性推出多父属性下的相关性关系,进行CP-nets结构学习.采用遗传算法在CP-nets结构搜索空间中进行搜索,求解最优结构.通过Delink算法进行去环,完成无环CP-nets学习.在寿司数据集上验证算法的有效性,实验结果表明,基于贝叶斯-遗传算法的CP-nets学习算法能够在有限时间内学习得到局部最优无环CP-nets.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘兆伟	烟台大学计算机与控制工程学院	11	12	3.0	3.0
2	信统昌	烟台大学计算机与控制工程学院	2	1	1.0	1.0