免疫遗传算法学习贝叶斯网等价类

针对遗传算法学习贝叶斯网存在的问题, 提出一种基于骨架搜索的免疫遗传算法学习贝叶斯网等价类, 该方法综合了基于约束和打分搜索的方法, 可以在遗传过程中避免产生非法结构, 并从骨架空间映射到等价类空间进行搜索. 实验数据表明, 免疫算子的使用可有效缩小搜索空间规模, 加快收敛速度, 提高执行效率.     

IE_K2：一种基于贝叶斯网络的高效基因调控网络构建方法

为获得正确的节点次序,提高K2算法的执行效率和精确度,提出一种构建基因调控网络的IE-K2算法.基于两个节点互信息构建无向图,通过引入联合信息熵来获得最佳的节点次序.在Alarm网络中的实验结果表明,其预测的准确率优于爬山算法和随机节点顺序的K2算法;将IE-K2算法用于构建酿酒酵母的基因调控网络,通过现有文献证明了调控关系的正确性,结果显示了该算法的有效性.     

基于贝叶斯算法的神经网络优化方法

提出了一种近似建模的前馈网络训练算法一贝叶斯算法,该方法能对模型中的未知量构造其后验分布,提高网络的泛化性能,获取对应于后验分布最大值的权值向量．结果表明,贝叶斯算法所建立的神经网络近似模型具有更高、更稳定的精度．     

基于贝叶斯网络的客户流失分析

随着电信市场竞争加剧,客户流失现象成为电信运营商关注的问题。文中基于数据挖掘手段,采用贝叶斯网络分类器,进行电信客户流失分析。在贝叶斯网络构造过程中,结合采用K2和MC-MC算法构建网络。根据贝叶斯网络的拓扑结构,筛选出客户流失相关的显著指标;由条件概率表确定客户的流失规则,进而确定高流失的客户群。考虑分类的误判损失函数,给出不同分类临界值下,贝叶斯网络模型的分类效果。与其它分类算法相比,比如决策树和人工神经网络,在客户流失率很低的情况下,该算法不需要进行“过量抽样”。     

基于贝叶斯网络的停车收费政策评价

应用K2算法和贝叶斯参数估计方法,进行了贝叶斯网络的结构和参数学习,建立了停车行为分析的贝叶斯网络。应用连接树传播算法推断停车费率影响下的停车开始时间、停车时长和停车场类型等选择行为的变化,预测停车收费政策的实施效果,评价政策的可行性.结果表明:随着停车费率的提高,停车者更趋向于选择短时间停车;对不同时段和不同停车场类型实施不均衡收费制度,即高峰停车费率大于非高峰停车费率,路内停车费率大于路外停车费率,可以促使停车者选择非高峰时段停车和路外停车.     

基于改进的模拟退火遗传算法的公交线网优化

文章将遗传算法与改进的模拟退火算法相结合组成混合改进的模拟退火-遗传算法。研究了以居民乘车出行时间最短和公交部门投入最少为目标建立的公交线网优化的模型,并利用改进的模拟退火-遗传算法对该模型进行求解。通过温州滨海新区的规划实例研究验证方法的实用性。     

基于最小描述长度和K2的贝叶斯网络结构学习算法

为了找到既简约又客观的网络结构,在分析最小描述长度(MDL)测度和K2算法特点的基础上,提出了一种将MDL与K2算法相结合的贝叶斯网络结构学习算法(KMBN).实验结果表明,KMBN算法在时间复杂性和可靠性方面都优于传统的K2算法和基于K2与模拟退火的贝叶斯网络结构学习算法.     

基于信息论和免疫遗传算法学习贝叶斯网络结构

提出一种新的实现贝叶斯网络(BN)结构学习的方法,即由信息论和免疫遗传算法相结合构造最优贝叶斯网络结构.首先,通过信息论迅速搜索较为可能的网络空间,构造一个候选网络,然后用免疫遗传算法进行网络精简,得到一个最优的网络结构.不仅可降低计算复杂度,提高贝叶斯网络结构学习的效率,而且避免了传统启发式算法易陷入局部最优解的问题.实例计算证明了其可行性.     

基于节点输入策略贝叶斯网络的骨盆骨折分型研究

基于历史数据的统计和收集,选取骨盆骨折患者存在的18个体表特征,采用基于K2算法的贝叶斯网络方法挖掘各体表特征之间和骨盆骨折类型与体表特征间的相互关系;设计不同的节点输入策略,分析不同输入策略对算法性能的影响;基于骨盆稳定性将骨盆骨折分成A、B、C三种类型,分别找到与其直接相关的体表特征,作为判断骨盆骨折类型的依据.基于体表特征和骨盆骨折类型的分析结果,借助早期的观察及简单检查,对患者进行初步分型.     

基于AHP的贝叶斯网络故障诊断方法研究

针对基于专家知识的故障诊断方法依赖经验的局限,提出一种基于层次分析法（AHP）的贝叶斯网络化工过程故障诊断方法。通过基于关联函数的AHP得到所有变量的权值,对22个变量节点的权值进行排序并将该排序作为K2算法的学习输入建立贝叶斯网络模型,同时结合复杂网络分析指标进行化工过程的故障诊断。通过TE过程故障诊断实例证明本文方法不仅避免了K2算法专家知识的主观因素影响,同时能很好地进行故障定位,找到故障源。     

基于免疫进化算法的Bayesian网结构学习

利用免疫进化算法（IEA）, 借助遗传和接种疫苗操作将基于打分和基于约束的两类Bayesian网结构学习方法有机地结合在一起, 提出一种新的Bayesian网结构学习方法. 通过与基于遗传算法的Bayesian网结构学习方法EGA(Expectation & Genetic Algorithm）的对比试验表明, 所提出算法的收敛速度更快、 学习得到网络的精度更高.     

基于遗传算法神经网络流量测量

针对高炉煤粉喷吹系统,建立一种基于遗传算法的神经网络流量测量模型,考虑BP算法训练神经网络测量模型时收敛速度慢、动态特性不够理想等不足,用改进的遗传算法来优化神经网络测量模型的参数,以提高测量系统的精度·现场实验表明,最大满量程误差小于3.8%,具有工程应用价值·     

基于信息论和遗传算法的Bayesian网络弧定向方法研究

Bayesian网弧定向问题是Bayesian网学习的一个重要方面．提出了一种基于信息论和遗传算法的Bayesian网弧定向算法．将信息论中鉴别信息这一概念引入Bayesian网学习中来,以鉴别信息定向后的网络为基础网,并设计相应的适应度函数和遗传算子,使该算法能够收敛到全局最优的Bayesian网结构．从而极大地减弱了单纯利用遗传算法学习对初始群体的依赖性,提高了算法的收敛速度．实验结果表明：该算法能够有效地解决Bayesian网弧定向问题．     

基于混合遗传算法的自适应神经网络优化设计

传统遗传算法优化神经网络存在"近亲繁殖"、"早熟收敛"、收敛速度慢和容易陷入局部极小等缺点.将适应度与相应的个体数目相联系,提出一种自适应交叉变异概率,并将其用于遗传操作,使得个体具有较强的多样性,一定程度缓解种群"早熟";将单纯形法和遗传算法结合到一起,使遗传算法的搜索更具有方向性,提高遗传算法的搜索能力,加快收敛速度.仿真实验进一步证明本文提出的算法对加快收敛速度,防止"近亲繁殖",保持种群多样性比较有效.     

基于BP神经网络与遗传算法的鸟苷发酵培养基优化

运用BP神经网络对鸟苷发酵培养基组成进行建模以及鸟苷产量预测,在此基础上利用遗传算法对鸟苷发酵培养基组成进行全局性寻优,得到最佳鸟苷发酵培养基组成:葡萄糖120 g·L-1,豆饼水解液50 g·L-1,酵母粉16 g·L-1,(NH4)2SO415 g·L-1,味精10 g·L-1,CaCO320 g·L-1(分消),CaCl22 g·L-1,硫酸镁3 g·L-1,生物素0.9 mg·L-1,硫酸锰4 mg·L-1,磷酸二氢钾4 g·L-1。结果表明,BP神经网络与遗传算法耦联法能够有效地优化发酵培养基配比。     

基于小生境遗传算法的约束滤波器优化设计

为了对战场图像进行实时处理,抑制噪声,改善图像质量,需要对图像进行平滑滤波。考虑了一类具有频域等式约束的FIR滤波器Minmax设计问题,引入小生境技术自适应遗传算法来得到最优化滤波器的一组参数,并且对滤波器的阶数N进行了优化。设计实例表明,基于小生境技术自适应遗传算法是有效的,具有很好的扩展性,可用来设计最优约束FIR滤波器,实现对图像的平滑滤波。     

基于遗传算法的开封杏花营组团污水管网优化设计

应用遗传算法进行了杏花营组团污水主干管网的优化设计,所得最优设计方案的管网费用仅为按传统水力计算所确定的初步设计方案的74％,可节省大量工程投资．将传统的污水管网水力计算方法与新型的遗传算法有机融合进行污水管网优化设计,能有效提高工程设计效率和设计质量,值得在工程实际中加以推广应用．