计算机工程与科学
計算機工程與科學
계산궤공정여과학
COMPUTER ENGINEERING & SCIENCE
2013年
6期
96-100
,共5页
贝叶斯网络%节点顺序置信%增量学习
貝葉斯網絡%節點順序置信%增量學習
패협사망락%절점순서치신%증량학습
Bayesian network%node order of confidence%incremental learning
将节点顺序置信指导的方法融入到增量学习过程中,提出了NOCLBN算法.该算法对于大规模数据集下贝叶斯网络的学习过程进行了改进,增强了每一批次数据学习的精度,提高了最终网络模型的质量.实验结果表明,NOCLBN算法对于大规模数据集下贝叶斯网络学习的结果质量更高.
將節點順序置信指導的方法融入到增量學習過程中,提齣瞭NOCLBN算法.該算法對于大規模數據集下貝葉斯網絡的學習過程進行瞭改進,增彊瞭每一批次數據學習的精度,提高瞭最終網絡模型的質量.實驗結果錶明,NOCLBN算法對于大規模數據集下貝葉斯網絡學習的結果質量更高.
장절점순서치신지도적방법융입도증량학습과정중,제출료NOCLBN산법.해산법대우대규모수거집하패협사망락적학습과정진행료개진,증강료매일비차수거학습적정도,제고료최종망락모형적질량.실험결과표명,NOCLBN산법대우대규모수거집하패협사망락학습적결과질량경고.
