申请/专利权人：江南大学

申请日：2023-10-24

公开（公告）日：2024-01-12

公开（公告）号：CN117391203A

主分类号：G06N7/01

分类号：G06N7/01;G06N3/126;G06N20/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.01.30#实质审查的生效;2024.01.12#公开

摘要：本申请公开了一种基于精英结构策略的混合贝叶斯网络结构学习方法，涉及贝叶斯网络结构学习方法领域，该方法在迭代学习混合贝叶斯网络结构的过程中，在每一个迭代周期首先使用改进的精英策略筛选出更优秀的精英个体组成精英集，然后基于精英集提取双精英结构、相对结构和趋向性结构来表征所有精英个体之间的异同信息，然后利用这些知识结构所反映的结构异同信息引导贝叶斯网络结构个体进行变异，从而引导种群变异向适应度更高的网络结构靠近，使得本申请的方法具有较好的收敛效果和较快的速度，可以更好的迭代学习并寻找到理想的贝叶斯网络结构。

主权项：1.一种基于精英结构策略的混合贝叶斯网络结构学习方法，其特征在于，所述混合贝叶斯网络结构学习方法包括：在搜索空间内随机生成网络基本结构中不同节点之间的边的属性以进行种群的初始化，每一代的种群中包括若干个不同的网络结构个体，每个网络结构个体是在所述网络基本结构的基础上结合随机生成的各条边的属性而形成的一种结构的混合贝叶斯网络，任意两个节点之间的一条边的属性包括边的状态，边的状态为连接边或非连接边，连接边的属性还包括边的方向；使用BIC评分评估当前种群中每个网络结构个体对数据集的契合程度得到各个网络结构个体对应的适应度值，网络结构个体对数据集的契合程度越高、对应的适应度值越高；根据当前种群中各个网络结构个体对应的适应度值进行竞赛选择和交叉处理；筛选出对应的适应度值达到适应度阈值以及当前种群的适应度值的平均值的m个网络结构个体作为精英个体，整数参数m≥2；比较m个精英个体中各条边的属性并分别提取双精英结构、相对结构和趋向性结构，其中，双精英结构是网络基本结构中所有n个节点形成的条边中在m个精英个体中属性完全相同的边及相关节点构成的局部结构，相对结构是所有n个节点形成的Kn条边中在m个精英个体中状态完全相同但方向不完全相同的连接边及相关节点构成的局部结构，趋向性结构所有n个节点形成的Kn条边中在m个精英个体中状态不完全相同的边及相关节点构成的局部结构；基于确定得到双精英结构、相对结构和趋向性结构对完成竞赛选择和交叉处理的当前种群中的各个网络结构个体中的边的属性进行变异操作，引导当前种群中的网络结构个体向三种结构学习并变异得到下一代种群进行下一次迭代操作，直至达到迭代终止条件时输出适应度值最大的网络结构个体，得到学习完成的混合贝叶斯网络结构。

全文数据：

权利要求：

百度查询： 江南大学 一种基于精英结构策略的混合贝叶斯网络结构学习方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD