基于捕食逃逸pso的贝叶斯网络分类器

？构造精确的贝叶斯网络分类器已被证明为np难问题,提出了一种基于捕食逃逸粒子群优化(pso)算法的通用贝叶斯网络分类器,能有效避免数据预处理时的属性约简对分类效果的直接影响,实现对贝叶斯网络结构的精确学习和搜索。另外,将所提出的分类器应用于高职院校就业预测分析,并在weka平台上实现对该分类器的构建和验证,与其他几种贝叶斯网络分类器的对比实验结果表明,该分类器具有更好的性能。