首页 | 本学科首页   官方微博 | 高级检索  
     

一种数据缺失下贝叶斯网络增量学习的有效方法
引用本文:李亚飞,吕强,单冬冬,王磊. 一种数据缺失下贝叶斯网络增量学习的有效方法[J]. 计算机应用与软件, 2010, 27(2): 73-75
作者姓名:李亚飞  吕强  单冬冬  王磊
作者单位:1. 苏州大学计算机科学与技术学院,江苏,苏州,215006
2. 苏州大学计算机科学与技术学院,江苏,苏州,215006;江苏省计算机信息处理技术重点实验室,江苏,苏州,215006
基金项目:国家教育部博士点基金(20060285008);;江苏省自然科学基金(BK2003030)
摘    要:提出一种在数据缺失下增量学习贝叶斯网络的有效算法IBN—M。IBN—M用结构化的EM算法来补全数据集中缺失的数据,并且能在并行和启发式搜索策略提供的较大的搜索空间里搜索,有效地避免了采用结构化EM算法而导致的局部极值。同时采用增量学习的方法,解决了大规模数据学习存在的内存空间不足的问题。实验结果表明IBN-M算法在数据缺失下贝叶斯网络的增量学习中确实能够学出相对精确的网络模型。

关 键 词:贝叶斯网络  增量学习  缺失数据

AN EFFICIENT APPROACH FOR INCREMENTAL LEARNING IN BAYESIAN NETWORK WITH MISSING VALUES
Li Yafei,Lü Qiang,Shan Dongdong,Wang Lei. AN EFFICIENT APPROACH FOR INCREMENTAL LEARNING IN BAYESIAN NETWORK WITH MISSING VALUES[J]. Computer Applications and Software, 2010, 27(2): 73-75
Authors:Li Yafei  Lü Qiang  Shan Dongdong  Wang Lei
Affiliation:School of Computer Science and Technology/a>;Soochow University/a>;Suzhou 215006/a>;Jiangsu/a>;China;Jiangsu Provincial Key Lab for Computer Information Processing Technology/a>;China
Abstract:
Keywords:Bayesian network Incremental learning Missing values  
本文献已被 CNKI 维普 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号