本文選題：互信息　切入點：蟻群優(yōu)化　出處：《儀器儀表學報》2017年01期

【摘要】：K2算法是學習貝葉斯網(wǎng)絡結構的經(jīng)典算法。針對K2算法依賴最大父節(jié)點數(shù)和節(jié)點序的不足,以及蟻群算法搜索空間龐大的問題,提出了一種新的貝葉斯結構學習算法-MWST-ACO-K2算法。該算法通過計算互信息建立最大支撐樹(MWST),得到最大父節(jié)點數(shù);然后利用蟻群算法(ACO)搜索最大支撐樹,獲得節(jié)點順序;最后結合K2算法得到最優(yōu)的貝葉斯網(wǎng)絡結構。仿真實驗結果表明,該方法不僅解決了K2算法依賴先驗知識的問題,而且減少了蟻群算法的搜索空間,簡化了搜索機制,得到較好的貝葉斯結構。最后將該算法應用到冀東水泥回轉窯的實際數(shù)據(jù)中,構建水泥回轉窯的貝葉斯網(wǎng)絡結構,提高了故障診斷的準確率。
[Abstract]:K 2 algorithm is a classical algorithm for learning Bayesian network structure.A new Bayesian structure learning algorithm, -MWST-ACO-K2 algorithm, is proposed to solve the problem that K2 algorithm depends on the maximum number of parent nodes and the order of nodes, as well as the huge search space of ant colony algorithm.In this algorithm, the maximum support tree is established by computing mutual information and the maximum number of parent nodes is obtained. Then the maximum support tree is searched by ant colony algorithm (ACO) and the node order is obtained. Finally, the optimal Bayesian network structure is obtained by using K2 algorithm.Simulation results show that this method not only solves the problem that K2 algorithm depends on prior knowledge, but also reduces the search space of ant colony algorithm, simplifies the search mechanism and obtains a better Bayesian structure.Finally, the algorithm is applied to the actual data of cement rotary kiln in Jidong, and the Bayesian network structure of cement rotary kiln is constructed to improve the accuracy of fault diagnosis.
【作者單位】： 燕山大學信息科學與工程學院;燕山大學電氣工程學院;
【基金】：國家自然科學基金(51641609) 河北省自然科學基金(F2016203354)項目資助
【分類號】：TP18

【參考文獻】

相關期刊論文 前3條

1 劉浩然;呂曉賀;李軒;李世昭;史永紅;;基于Bayesian改進算法的回轉窯故障診斷模型研究[J];儀器儀表學報;2015年07期

2 王瀟一;毛德強;王曉峰;;某型導彈自駕儀的故障診斷研究[J];電子測量與儀器學報;2015年01期

3 冀俊忠;張鴻勛;胡仁兵;劉椿年;;一種基于獨立性測試和蟻群優(yōu)化的貝葉斯網(wǎng)學習算法(英文)[J];自動化學報;2009年03期

【共引文獻】

相關期刊論文 前10條

1 陳靜;蔣正凱;付敬奇;;基于Netica的自學習貝葉斯網(wǎng)絡的構建[J];電子測量與儀器學報;2016年11期

2 闕子俊;金曉航;孫毅;;基于UKF的軸承剩余壽命預測方法研究[J];儀器儀表學報;2016年09期

3 劉浩然;趙翠香;李軒;王艷霞;郭長江;;一種基于改進遺傳算法的神經(jīng)網(wǎng)絡優(yōu)化算法研究[J];儀器儀表學報;2016年07期

4 馬雪婧;邵春福;錢劍培;王天倚;;交通事件持續(xù)時間預測的貝葉斯網(wǎng)絡模型[J];交通信息與安全;2015年06期

5 黃為勇;王義;田秀玲;張艷華;;一種基于SVR的發(fā)動機多模式故障診斷方法[J];儀器儀表學報;2015年09期

6 蘭志霞;趙聯(lián)文;劉峧;;基于改進評價準則的貝葉斯網(wǎng)絡模型選擇[J];綿陽師范學院學報;2015年08期

7 劉浩然;呂曉賀;李軒;李世昭;史永紅;;基于Bayesian改進算法的回轉窯故障診斷模型研究[J];儀器儀表學報;2015年07期

8 徐姣姣;;基于CLIPS的發(fā)射車診斷系統(tǒng)的設計與實現(xiàn)[J];國外電子測量技術;2015年06期

9 楊東東;馬紅光;徐東輝;秦建強;;模擬電路參數(shù)變化檢測最優(yōu)混沌激勵設計[J];儀器儀表學報;2015年04期

10 魏中強;徐宏U，

本文編號：1725722