基于改进爬山算法的Bayesian网结构增量学习方法

作者: 万猛 ; 刘勇

关键词: 贝叶斯网络增量学习结构学习爬山算法禁忌表

摘要：已建成的贝叶斯网与领域环境间可能存在较大偏差，加之领域本身固有的动态变化特征，因此在观察到新数据时，改善贝叶斯网的性能和优化网络结构是十分必要的．对传统爬山算法进行研究并改进Gamez等提出的爬山算法，该算法通过引入删除结点时的禁忌表和环路禁忌表，避免搜索不必要的冗余结点，提高搜索效率，并给出禁忌表的更新方法．在ALARM数据集上进行实验，结果表明该算法是有效的．

上一篇：非对称宽边耦合带状线C参数的计算方法
下一篇：基于状态观测器的不确定NNCS鲁棒完整性设计

基于改进爬山算法的Bayesian网结构增量学习方法

作者: 万猛 ; 刘勇

关键词: 贝叶斯网络 增量学习 结构学习 爬山算法 禁忌表

关键词: 贝叶斯网络增量学习结构学习爬山算法禁忌表