基于遗传算法的Bayesian网中连续变量离散化的研究

摘要

文中对如何从含有离散变量和连续变量的混合数据中学习Bayesian网进行了研究,提出了一种基于遗传算法的连续变量离散化算法. 在该算法中给出了兼顾离散模型准确度和复杂度的适应度函数;并基于对离散化的实质性分析,定义了离散策略等价的概念,由此制定了离散策略的编码方案;进一步设计了变换离散策略的遗传算子. 该算法不存在局部极值问题,且不需要事先给定变量序关系. 模拟实验结果表明,该算法能有效地对连续变量离散化,从而使得从混合数据中学到的Bayesian网具有较好性能.