DOI: 10.18869/acadpub.jirss.15.2.45

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Rezaei Tabar V, Mahdavi M, Heidari ‎, Naghizadeh S. Learning Bayesian Network Structure Using Genetic Algorithm with Consideration of the Node Ordering via Principal Component Analysis. JIRSS. 2016; 15 (2) :45-61
URL: http://jirss.irstat.ir/article-1-304-fa.html
رضایی‌تبار وحید، مهدوی مریم، حیدری ساغر، نقی‌زاده سیما. Learning Bayesian Network Structure Using Genetic Algorithm with Consideration of the Node Ordering via Principal Component Analysis. پژوهشنامه انجمن آمار ایران. 1395; 15 (2) :45-61

چکیده:   (1087 مشاهده)

یادگیری ساختاری شبکه‌های بیزی یکی از مهمترین چالش‌­ها در حوزۀ یادگیری ماشین است. معمولاً دو روش کلاسیک برای یادگیری ساختاری شبکۀ بیزی مورد استفاده قرار می‌­گیرد: روش‌‌های محدودیت‌‌گرا و روش‌‌های جستجو-امتیازدهی. در عمل، این دو روش کارایی لازم را ندارند. به همین دلیل از روش‌‌هایی ابتکاری مانند الگوریتم ژنتیک با یک تابع برازندگی مشخص برای یادگیری ساختاری شبکۀ بیزی استفاده می‌­شود. به منظور کاهش فضای جستجو در الگوریتم ژنتیک، باید ترتیبی از متغیرها در نظر گرفته شود.

در این مقاله، از روش تحلیل مؤلفه‌­های اصلی برای تعیین ترتیب بین متغیرها استفاده می‌­شود. برای این منظور، ابتدا ضریب همبستگی مناسب بین متغیرها در نظر گرفته شده و، با استفاده از قدرمطلق ضرایب در مولفۀ اول، ترتیب بین متغیرها انتخاب می­‌شود. این بدان معناست که گره ‎(متغیر)  Xi ‎ گره ‎Xj‎ را به عنوان والد انتخاب می‌کند در صورتی که قدر مطلق ضریب ‎Xj‎ در مولفۀ اول بیشتر از قدر مطلق ضریب ‎Xi  باشد. بعد از انتخاب ترتیب بین متغیرها، الگوریتم ژنتیک با تابع برازندگی ‎BIC‎ برای یادگیری ساختاری شبکه ی بیزی مورد استفاده قرار میی گیرد.

نتایج روی شبکه‌­های بیزی مشهور مانند آسیا، آلارم و هیل‌فایندر نشان می­‌دهند که روش پیشنهادی دقت بیشتری در یادگیری ساختاری شبکه‌ی بیزی دارد. همچنین روش پیشنهادی بر روی داده­‌های مربوط به بدهکاران بانکی که بیش از ‎500‎ میلیون ریال بدهی به بانک مسکن دارند نیز به کار گرفته شد. نتایج حاکی از این است که برای تعیین ترتیب بین متغیرها روش پیشنهادی قدرت بالاتری نسبت به سایر روش های پیشنهادی مانند روش معرفی شده توسط هروشکا و همکاران ‎(2007)‎، چن و همکاران ‎(2008)‎ و الگوریتم ‎K2‎ دارد.

متن کامل [PDF 441 kb]   (235 دریافت)    
نوع مطالعه: Original Paper |
دریافت: ۱۳۹۴/۱/۱۸ | پذیرش: ۱۳۹۵/۶/۴ | انتشار: ۱۳۹۵/۶/۴

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
کد امنیتی را در کادر بنویسید

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به پژوهشنامه انجمن آمار ایران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2015 All Rights Reserved | Journal of The Iranian Statistical Society

Designed & Developed by : Yektaweb