10.3969/j.issn.2095-2163.2019.03.022
基于启发式算法的CP-nets学习研究
CP-nets(条件偏好网)是定性表达偏好关系的一种图形工具,作为一种表达能力的工具,CP-nets功能强大,能直观、自然地表达用户的偏好信息.但是对于CP-nets学习的研究还不够深入,在实际应用中,由于用户行为或者观测误差的随机性,可能导致数据集中存在噪声数据,使得许多传统的学习方法无法得到最优的CP-nets结构.本文提出基于启发式算法的学习方法来解决CP-nets的结构学习问题.与传统方法中直接学习CP-nets结构不同,本文将CP-nets的结构学习问题转化为寻找最短路径问题,利用启发式算法的能力来寻找最优的CP-nets.
条件偏好网(CP-nets)、启发式算法、结构学习
9
TP181(自动化基础理论)
2019-06-03(万方平台首次上网日期,不代表论文的发表时间)
共3页
100-102