.png){kind=icon}
返回
Bayesian network structure learning with improved genetic algorithm
.png){kind=icon}
OA
AI
DOI：10.1002/int.22833.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
作为一种重要的机器学习模型，贝叶斯网络 (bn) 由于可以通过概率推理用于分类而受到了广泛的关注。然而，由于它是一个复杂的组合优化问题，BN结构学习不能用经典的凸优化算法来解决。因此，进化算法提供了一种替代方法来找到BN结构学习问题的全局解决方案。本文改进了有偏随机密钥遗传算法来解决BN结构学习问题。同时，我们采用局部优化模型作为其解码器，以提高所提出算法的性能。最后，我们在九个基准网络和一个跨站点脚本 (XSS) 攻击的真实数据集上进行了实验。实验结果表明，该算法能获得比其他算法更准确的解，在web安全XSS攻击检测中取得了良好的性能。
Keyword:
Bayesian networks
biased random keys
genetic algorithms
structure learning
期刊
IF:
3.7
论文数:
3.1K
被引数:
8.1K
机构
引用论文
.png){kind=icon}
分享收藏
查看更多内容