电子学报
電子學報
전자학보
ACTA ELECTRONICA SINICA
2005年
11期
1925-1928
,共4页
田凤占%黄丽%于剑%黄厚宽
田鳳佔%黃麗%于劍%黃厚寬
전봉점%황려%우검%황후관
贝叶斯网络%增量学习%遗传算法%隐变量
貝葉斯網絡%增量學習%遺傳算法%隱變量
패협사망락%증량학습%유전산법%은변량
提出了一种贝叶斯网络增量学习方法--ILBN.ILBN将EM算法和遗传算法引入到了贝叶斯网络的增量学习过程中,用EM算法从不完整数据计算充分统计量的期望,用遗传算法进化贝叶斯网络的结构,在一定程度上缓解了确定性搜索算法的局部极值问题.通过定义新变异算子和扩展传统的交叉算子,ILBN能够增量学习包含隐变量的贝叶斯网络结构.最后,ILBN改进了Friedman等人的增量学习过程.实验结果表明,ILBN和Friedman等人的增量学习方法存储开销相当,但在相同条件下,学到的网络更精确;实验结果也证实了存在不完整数据和隐变量时,ILBN的增量学习能力.
提齣瞭一種貝葉斯網絡增量學習方法--ILBN.ILBN將EM算法和遺傳算法引入到瞭貝葉斯網絡的增量學習過程中,用EM算法從不完整數據計算充分統計量的期望,用遺傳算法進化貝葉斯網絡的結構,在一定程度上緩解瞭確定性搜索算法的跼部極值問題.通過定義新變異算子和擴展傳統的交扠算子,ILBN能夠增量學習包含隱變量的貝葉斯網絡結構.最後,ILBN改進瞭Friedman等人的增量學習過程.實驗結果錶明,ILBN和Friedman等人的增量學習方法存儲開銷相噹,但在相同條件下,學到的網絡更精確;實驗結果也證實瞭存在不完整數據和隱變量時,ILBN的增量學習能力.
제출료일충패협사망락증량학습방법--ILBN.ILBN장EM산법화유전산법인입도료패협사망락적증량학습과정중,용EM산법종불완정수거계산충분통계량적기망,용유전산법진화패협사망락적결구,재일정정도상완해료학정성수색산법적국부겁치문제.통과정의신변이산자화확전전통적교차산자,ILBN능구증량학습포함은변량적패협사망락결구.최후,ILBN개진료Friedman등인적증량학습과정.실험결과표명,ILBN화Friedman등인적증량학습방법존저개소상당,단재상동조건하,학도적망락경정학;실험결과야증실료존재불완정수거화은변량시,ILBN적증량학습능력.