计算机与现代化
計算機與現代化
계산궤여현대화
COMPUTER AND MODERNIZATION
2014年
5期
65-69,73
,共6页
新媒体事件%K均值%贝叶斯网络%分类%隐藏节点
新媒體事件%K均值%貝葉斯網絡%分類%隱藏節點
신매체사건%K균치%패협사망락%분류%은장절점
new media event%K-means%Bayesian network%classification%hidden nodes
为了对新媒体事件进行准确有效分类,提出一种将K-means算法和贝叶斯网络相结合的混合算法.该算法首先运用K-means算法将训练样本聚类,再根据聚类的结果,运用改进的贝叶斯网络对新媒体事件进行分类.其中,层次贝叶斯网络模型的构建,避免了贝叶斯网络在参数学习时陷入局部寻优;同时引入隐藏节点,更大程度满足了贝叶斯网络的条件独立假设.实验结果表明该算法效果明显.
為瞭對新媒體事件進行準確有效分類,提齣一種將K-means算法和貝葉斯網絡相結閤的混閤算法.該算法首先運用K-means算法將訓練樣本聚類,再根據聚類的結果,運用改進的貝葉斯網絡對新媒體事件進行分類.其中,層次貝葉斯網絡模型的構建,避免瞭貝葉斯網絡在參數學習時陷入跼部尋優;同時引入隱藏節點,更大程度滿足瞭貝葉斯網絡的條件獨立假設.實驗結果錶明該算法效果明顯.
위료대신매체사건진행준학유효분류,제출일충장K-means산법화패협사망락상결합적혼합산법.해산법수선운용K-means산법장훈련양본취류,재근거취류적결과,운용개진적패협사망락대신매체사건진행분류.기중,층차패협사망락모형적구건,피면료패협사망락재삼수학습시함입국부심우;동시인입은장절점,경대정도만족료패협사망락적조건독립가설.실험결과표명해산법효과명현.
