CAJ | 학술논문

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.
제출료일충패협사망락증량학습방법--ILBN.ILBN장EM산법화유전산법인입도료패협사망락적증량학습과정중,용EM산법종불완정수거계산충분통계량적기망,용유전산법진화패협사망락적결구,재일정정도상완해료학정성수색산법적국부겁치문제.통과정의신변이산자화확전전통적교차산자,ILBN능구증량학습포함은변량적패협사망락결구.최후,ILBN개진료Friedman등인적증량학습과정.실험결과표명,ILBN화Friedman등인적증량학습방법존저개소상당,단재상동조건하,학도적망락경정학;실험결과야증실료존재불완정수거화은변량시,ILBN적증량학습능력.