贝叶斯网络的动态知识获取与修正
패협사망락적동태지식획취여수정
Learning Bayesian network dynamically and its amendment
  • 万方数据
    计算机工程与设计 계산궤공정여설계
    COMPUTER ENGINEERING AND DESIGN
    2009年 9期 2257-2259,2263 ,共4页

    刘晋中%廖芹

    류진중%료근

    贝叶斯网络%参数学习%动态知识获取%在线学习%极大似然估计 貝葉斯網絡%參數學習%動態知識穫取%在線學習%極大似然估計
    패협사망락%삼수학습%동태지식획취%재선학습%겁대사연고계
    对贝叶斯网络的在线参数学习进行了研究.分析了ML和VotingEM算法的特点.发现它们在快速适应样本特征变化、预测与确定算法参数方面存在的不足,并提出基于上述两种方法的混合在线学习算法.改进算法根据修正参数误差以及调节数据量权重动态获取与确定贝叶斯网络.研究结果表明,改进算法在快速获取知识参数与知识检验正确率方面,比Voting EM方法具有更好的特点.
    대패협사망락적재선삼수학습진행료연구.분석료ML화VotingEM산법적특점.발현타문재쾌속괄응양본특정변화、예측여학정산법삼수방면존재적불족,병제출기우상술량충방법적혼합재선학습산법.개진산법근거수정삼수오차이급조절수거량권중동태획취여학정패협사망락.연구결과표명,개진산법재쾌속획취지식삼수여지식검험정학솔방면,비Voting EM방법구유경호적특점.
    원문보기 원문다운로드 사이트로이동
저자의 최근 논문