河南师范大学学报（自然科学版）
河南師範大學學報（自然科學版）
하남사범대학학보（자연과학판）
JOURNAL OF HENAN NORMAL UNIVERSITY(NATURAL SCIENCE)
2011年
6期
150-153
,共4页
隐式分布%贝叶斯网络%结构学习%隐式法%K2
隱式分佈%貝葉斯網絡%結構學習%隱式法%K2
은식분포%패협사망락%결구학습%은식법%K2
通过分析K2,BIC,AIC和IM等方式的原理,改进K2算法,在不考虑先验知识的基础上,创建了新的基于隐式网络的打分函数取代了原有算法的评分规则,实现贝叶斯网络结构学习.仿真实验结果表明,针对标准数据集学习,隐式法的贝叶斯网络学习算法在没有先验知识的条件下和依赖先验知识的基于BDe评分的K2算法相比收敛速度和准确率有一定的改进.
通過分析K2,BIC,AIC和IM等方式的原理,改進K2算法,在不攷慮先驗知識的基礎上,創建瞭新的基于隱式網絡的打分函數取代瞭原有算法的評分規則,實現貝葉斯網絡結構學習.倣真實驗結果錶明,針對標準數據集學習,隱式法的貝葉斯網絡學習算法在沒有先驗知識的條件下和依賴先驗知識的基于BDe評分的K2算法相比收斂速度和準確率有一定的改進.
통과분석K2,BIC,AIC화IM등방식적원리,개진K2산법,재불고필선험지식적기출상,창건료신적기우은식망락적타분함수취대료원유산법적평분규칙,실현패협사망락결구학습.방진실험결과표명,침대표준수거집학습,은식법적패협사망락학습산법재몰유선험지식적조건하화의뢰선험지식적기우BDe평분적K2산법상비수렴속도화준학솔유일정적개진.
