文献类型：期刊文章

作　　者：田凤占[1] 黄丽[2] 于剑[1] 黄厚宽[1]

机构地区：[1]北京交通大学计算机与信息技术学院,北京100044 [2]河北理工大学理学院,河北唐山063000

出　　处：《电子学报》

基　　金：国家自然科学基金(No.60303014);北京交通大学科技基金(No.2004RC063)

年　　份：2005

卷　　号：33

期　　号：11

起止页码：1925-1928

语　　种：中文

收录情况：BDHX、BDHX2004、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI、IC、INSPEC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：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.

关 键 词：贝叶斯网络 增量学习  遗传算法 隐变量  

分 类 号：TP391]