基于遗传算法的贝叶斯分类器结构学习研究

摘要

完全的贝叶斯网络的结构学习是一个NP难问题，研究学者一般采用近似的方法来学习，Duda提出了朴素贝叶斯NB结构，Friedman提出了树扩展朴素贝叶斯TAN结构；Keogh提出了SP结构；HuajieZhang提出了SN结构；PeterLucas提出了FAN结构；Cheng提出了BAN和GBN两种网络结构；石洪波等对TAN结构进行了优化。它们在贝叶斯分类器结构学习中均取得了较好的效果。　　遗传算法(GeneticAlgorithm)是模拟自然界生物进化过程与机制求解极值问题的一种自组织、自适应人工智能技术。引入遗传算法改进贝叶斯网络的结构学习是本文要解决的问题。本文的主要工作如下：　　(1)归纳综述了贝叶斯网络的理论框架，简要讨论了贝叶斯网络的结构学习算法。　　(2)在程泽凯等用MATLAB语言基于BNT(BayesianNetworksToolkit)建构的贝叶斯分类器实验平台MBNC(BayesianNetworksClassifierusingMATLAB)基础上，扩展了MBNC实验平台的遗传算法模块，进行数据的预处理、实现了基于遗传算法的贝叶斯分类器结构学习算法，进而实现了基于遗传算法的贝叶斯分类器家族的多种分类器。　　(3)为将遗传算法引入贝叶斯结构学习中来，深入研究了遗传算法及基于MATLAB的实现，重点研究了基于整数编码的遗传算法及TSP问题求解；设计高效的求解TSP问题的遗传算法，有重要的理论意义和实用价值。　　(4)基于遗传算法的TANC结构学习算法。实验结果表明，GA-TANC算法有更高的分类准确率，从而说明GA-TANC结构学习算法是准确有效的。　　(5)基于K2和遗传算法的BNC结构学习算法。　　(6)基于BIC测度和混合遗传算法的BNC结构学习算法。

目录

文摘

英文文摘

第一章绪论

1.1研究背景

1.2研究现状

1.3本文主要工作和结构安排

第二章贝叶斯网络基本理论及结构学习算法

2.1贝叶斯方法概述

2.2图模型概述

2.3贝叶斯网络简介

2.4几种典型的贝叶斯分类器简介

2.5贝叶斯网络结构学习算法概述

2.6本章小结

第三章基于MATLAB的遗传算法实现及贝叶斯分类器实验平台MBNC

3.1基于MATLAB的遗传算法基本原理

3.2基于选择性集成的整数编码遗传算法及TSP问题求解

3.3基于MATLAB的贝叶斯实验平台MBNC及应用举例

3.4本章小结

第四章基于BIC测度和遗传算法的TANC结构学习算法GA-TANC

4.1学习TANC结构的遗传算法设计

4.2基于BIC测度和遗传算法的TANC结构学习算法GA-TANC及实验结果分析

4.3本章小结

第五章基于K2和遗传算法的BNC结构学习算法GA-K2

5.1学习贝叶斯网络结构的K2算法

5.2确定结点次序的整数编码遗传算法设计

5.3基于K2和GA的BNC结构学习算法GA-K2及实验结果分析

5.4本章小结

第六章基于BIC测度和混合遗传算法的BNC结构学习算法GA-GS

6.1学习贝叶斯网络结构的GS算法

6.2学习贝叶斯网络结构的遗传算法

6.3基于BIC测度和混合遗传算法的BNC结构学习算法GA-GS及实验结果分析

6.4本章小结

第七章总结及将来的工作展望

附1：参考文献

附2：读研期间已发表和已投稿的论文

附3：读研期间曾参与的科研项目

附4：读研期间曾获得的奖励

致谢