Resumen

La aplicación de conjuntos de datos existentes para construir una red probabilística siempre ha sido el enfoque principal de investigación para las redes bayesianas móviles, especialmente cuando el tamaño del conjunto de datos es grande. En este estudio, mejoramos el algoritmo K2. Primero, relajamos los requisitos del algoritmo K2 para el orden de los nodos y generamos el orden de los nodos de forma aleatoria para obtener el mejor resultado en múltiples órdenes de nodos aleatorios. Segundo, se utiliza un método de aprendizaje K2 genético incremental para aprender la estructura de la red bayesiana. El conjunto de datos de entrenamiento se divide en dos grupos y se utiliza el algoritmo K2 estándar para encontrar el valor óptimo para el primer conjunto de datos de entrenamiento; al mismo tiempo, se registran tres valores subóptimos similares. Para evitar caer en el óptimo local, estos cuatro valores óptimos se mutan en un nuevo valor óptimo genético. Cuando se utiliza el segundo conjunto de datos de entrenamiento, solo se identifica la mejor estructura de red bayesiana dentro

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Conjuntos de datos existentes; Red probabilística; Redes Bayesianas móviles; Algoritmo K2; Método de aprendizaje genético incremental K2; Estructura de red bayesiana
• Keywords:Existing datasets; Probabilistic network; Mobile Bayesian networks; K2 algorithm; Genetic incremental K2 learning method; Bayesian network structure