期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于MMPC-FPSO贝叶斯网络混合结构学习方法
被引量:
1
1
作者
董文佳
方洋旺
+1 位作者
彭维仕
闫晓斌
《空军工程大学学报》
CSCD
北大核心
2024年第2期76-84,共9页
针对贝叶斯网络结构学习的过程中网络结构规模随节点数增加呈指数增长,导致网络结构搜索空间增大,进而导致网络结构学习算法效率低下的问题,提出一种基于最大最小父子集合约束与萤火虫粒子群搜索算法的贝叶斯网络混合结构学习方法。首先...
针对贝叶斯网络结构学习的过程中网络结构规模随节点数增加呈指数增长,导致网络结构搜索空间增大,进而导致网络结构学习算法效率低下的问题,提出一种基于最大最小父子集合约束与萤火虫粒子群搜索算法的贝叶斯网络混合结构学习方法。首先,针对粒子群算法在解决贝叶斯网络结构学习过程中,随机初始化网络结构种群导致算法搜索效率低下,网络结构准确性低的问题提出一种基于改进的最大最小父子集合算法的种群约束方法。其次,针对传统的基于粒子群评分搜索方法速度慢,精度低,易陷入局部最优的问题,提出一种基于萤火虫算子的粒子寻优策略。最后,为了验证所提方法的正确性和优越性,将上述方法用于3种标准网络的结构学习。仿真结果表明:所提算法与传统的基于粒子群的结构学习方法相比,所得的贝叶斯信息准则评分与标准网络评分的差距分别缩小了68.7%、65.5%、34.1%。
展开更多
关键词
结构学习
贝叶斯网络
粒子群算法
mmpc
算法
下载PDF
职称材料
MMPC-Tabu混合算法的贝叶斯网络模型在高脂血症相关因素研究中的应用
被引量:
6
2
作者
王旭春
宋伟梅
+5 位作者
潘金花
任浩
张壮
翟梦梦
陈利民
仇丽霞
《中国卫生统计》
CSCD
北大核心
2022年第3期345-350,355,共7页
目的本研究采用MMPC-Tabu混合算法构建山西省高脂血症的贝叶斯网络模型,研究高脂血症及其相关因素间的网络关系及相关程度,并通过贝叶斯网络对高脂血症进行患病风险推理,为慢病影响因素分析提供更合理的建模方法。方法采用logistic回归...
目的本研究采用MMPC-Tabu混合算法构建山西省高脂血症的贝叶斯网络模型,研究高脂血症及其相关因素间的网络关系及相关程度,并通过贝叶斯网络对高脂血症进行患病风险推理,为慢病影响因素分析提供更合理的建模方法。方法采用logistic回归对山西省18岁以上居民高脂血症的调查数据进行变量初步筛选,再以MMPC-Tabu混合算法和极大似然估计法构建贝叶斯网络。结果2013年山西省高脂血症患病率为42.6%(95%CI:41.1%~44.1%)。将logistic回归初筛与高脂血症有关的9个变量,采用MMPC-Tabu算法构建高脂血症的贝叶斯网络模型,结果显示:中心性肥胖和BMI与高脂血症直接相关,是高脂血症的父节点,即它们与高脂血症的发生有关;高血压、身体活动、性别、年龄、地区、糖尿病通过影响中心性肥胖和BMI间接影响高脂血症的发生。结论贝叶斯网络可以反映因素与疾病整体联动效应,揭示高脂血症直接和间接相关的因素和关联强度,同时阐明除高脂血症以外的其他影响因素间的关系,可为慢性病与相关因素的研究提供合理的方法。
展开更多
关键词
贝叶斯网络
最大最小父子集——禁忌搜索
高脂血症
下载PDF
职称材料
基于节点排序的贝叶斯网络结构学习算法
被引量:
7
3
作者
姚洁
朱响斌
+2 位作者
宋新方
李广龙
邱慧玲
《计算机工程》
CAS
CSCD
北大核心
2017年第5期317-321,共5页
针对K2算法学习贝叶斯网络结构时需要确定节点顺序的问题,提出一种混合贝叶斯网络结构学习算法。在给定数据集的情况下,利用MMPC算法获得网络的初始结构图,应用广度优先搜索的方式对此初始结构图进行搜索,从该图中入度为0的节点出发,按...
针对K2算法学习贝叶斯网络结构时需要确定节点顺序的问题,提出一种混合贝叶斯网络结构学习算法。在给定数据集的情况下,利用MMPC算法获得网络的初始结构图,应用广度优先搜索的方式对此初始结构图进行搜索,从该图中入度为0的节点出发,按层次依次访问图中的邻接点,获得优化的节点顺序。将该节点顺序作为K2算法的初始节点顺序,再利用K2算法对空间进行搜索,找到全局最优解。实验结果表明,与K2算法和限制性粒子群算法相比,该算法在相同的样本数据集下产生多边、少边和反边情况的概率更低,并且可学习到更准确的贝叶斯网络结构,收敛速度快、求解精度高。
展开更多
关键词
贝叶斯网络
结构学习
mmpc
算法
K2算法
广度优先搜索
下载PDF
职称材料
题名
基于MMPC-FPSO贝叶斯网络混合结构学习方法
被引量:
1
1
作者
董文佳
方洋旺
彭维仕
闫晓斌
机构
西安邮电大学计算机学院
西北工业大学无人系统技术研究院
武警工程大学装备管理与保障学院
出处
《空军工程大学学报》
CSCD
北大核心
2024年第2期76-84,共9页
基金
国家自然科学基金(61973253)。
文摘
针对贝叶斯网络结构学习的过程中网络结构规模随节点数增加呈指数增长,导致网络结构搜索空间增大,进而导致网络结构学习算法效率低下的问题,提出一种基于最大最小父子集合约束与萤火虫粒子群搜索算法的贝叶斯网络混合结构学习方法。首先,针对粒子群算法在解决贝叶斯网络结构学习过程中,随机初始化网络结构种群导致算法搜索效率低下,网络结构准确性低的问题提出一种基于改进的最大最小父子集合算法的种群约束方法。其次,针对传统的基于粒子群评分搜索方法速度慢,精度低,易陷入局部最优的问题,提出一种基于萤火虫算子的粒子寻优策略。最后,为了验证所提方法的正确性和优越性,将上述方法用于3种标准网络的结构学习。仿真结果表明:所提算法与传统的基于粒子群的结构学习方法相比,所得的贝叶斯信息准则评分与标准网络评分的差距分别缩小了68.7%、65.5%、34.1%。
关键词
结构学习
贝叶斯网络
粒子群算法
mmpc
算法
Keywords
structure learning
Bayesian networks
particle swarm optimization
mmpc algorithm
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
MMPC-Tabu混合算法的贝叶斯网络模型在高脂血症相关因素研究中的应用
被引量:
6
2
作者
王旭春
宋伟梅
潘金花
任浩
张壮
翟梦梦
陈利民
仇丽霞
机构
山西医科大学公共卫生学院卫生统计教研室
太原市健康教育中心
复旦大学公共卫生学院
山西省人民医院
出处
《中国卫生统计》
CSCD
北大核心
2022年第3期345-350,355,共7页
基金
国家自然科学基金面上项目(81973155)
山西省重点研发计划项目(201803D31066)。
文摘
目的本研究采用MMPC-Tabu混合算法构建山西省高脂血症的贝叶斯网络模型,研究高脂血症及其相关因素间的网络关系及相关程度,并通过贝叶斯网络对高脂血症进行患病风险推理,为慢病影响因素分析提供更合理的建模方法。方法采用logistic回归对山西省18岁以上居民高脂血症的调查数据进行变量初步筛选,再以MMPC-Tabu混合算法和极大似然估计法构建贝叶斯网络。结果2013年山西省高脂血症患病率为42.6%(95%CI:41.1%~44.1%)。将logistic回归初筛与高脂血症有关的9个变量,采用MMPC-Tabu算法构建高脂血症的贝叶斯网络模型,结果显示:中心性肥胖和BMI与高脂血症直接相关,是高脂血症的父节点,即它们与高脂血症的发生有关;高血压、身体活动、性别、年龄、地区、糖尿病通过影响中心性肥胖和BMI间接影响高脂血症的发生。结论贝叶斯网络可以反映因素与疾病整体联动效应,揭示高脂血症直接和间接相关的因素和关联强度,同时阐明除高脂血症以外的其他影响因素间的关系,可为慢性病与相关因素的研究提供合理的方法。
关键词
贝叶斯网络
最大最小父子集——禁忌搜索
高脂血症
Keywords
Bayesian network
mmpc
-Tabu
algorithm
Hyperlipidemia
分类号
R195.1 [医药卫生—卫生统计学]
下载PDF
职称材料
题名
基于节点排序的贝叶斯网络结构学习算法
被引量:
7
3
作者
姚洁
朱响斌
宋新方
李广龙
邱慧玲
机构
浙江师范大学数理与信息工程学院
横店集团东磁股份有限公司
山东省曹县第一中学
出处
《计算机工程》
CAS
CSCD
北大核心
2017年第5期317-321,共5页
文摘
针对K2算法学习贝叶斯网络结构时需要确定节点顺序的问题,提出一种混合贝叶斯网络结构学习算法。在给定数据集的情况下,利用MMPC算法获得网络的初始结构图,应用广度优先搜索的方式对此初始结构图进行搜索,从该图中入度为0的节点出发,按层次依次访问图中的邻接点,获得优化的节点顺序。将该节点顺序作为K2算法的初始节点顺序,再利用K2算法对空间进行搜索,找到全局最优解。实验结果表明,与K2算法和限制性粒子群算法相比,该算法在相同的样本数据集下产生多边、少边和反边情况的概率更低,并且可学习到更准确的贝叶斯网络结构,收敛速度快、求解精度高。
关键词
贝叶斯网络
结构学习
mmpc
算法
K2算法
广度优先搜索
Keywords
Bayesian network
structure learning
Max-min Parents and Children (
mmpc
)
algorithm
K2
algorithm
Breadth First Search (BFS)
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于MMPC-FPSO贝叶斯网络混合结构学习方法
董文佳
方洋旺
彭维仕
闫晓斌
《空军工程大学学报》
CSCD
北大核心
2024
1
下载PDF
职称材料
2
MMPC-Tabu混合算法的贝叶斯网络模型在高脂血症相关因素研究中的应用
王旭春
宋伟梅
潘金花
任浩
张壮
翟梦梦
陈利民
仇丽霞
《中国卫生统计》
CSCD
北大核心
2022
6
下载PDF
职称材料
3
基于节点排序的贝叶斯网络结构学习算法
姚洁
朱响斌
宋新方
李广龙
邱慧玲
《计算机工程》
CAS
CSCD
北大核心
2017
7
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部