基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
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.
推荐文章
贝叶斯网络应用中的结构学习方法研究
贝叶斯网络
结构学习
完备数据
不完备数据
基于预测关系的贝叶斯网络学习算法
贝叶斯网络
结构学习
预测能力
基于预测能力的贝叶斯网络分类器学习
贝叶斯网络
分类器
预测能力
小样本贝叶斯网络参数学习方法
贝叶斯网络
参数学习
小样本
迁移学习
目标域
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 包含隐变量的贝叶斯网络增量学习方法
来源期刊 电子学报 学科 工学
关键词 贝叶斯网络 增量学习 遗传算法 隐变量
年,卷(期) 2005,(11) 所属期刊栏目 学术论文
研究方向 页码范围 1925-1928
页数 4页 分类号 TP391
字数 4305字 语种 中文
DOI 10.3321/j.issn:0372-2112.2005.11.002
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 黄厚宽 北京交通大学计算机与信息技术学院 139 2476 26.0 44.0
2 于剑 北京交通大学计算机与信息技术学院 68 1099 12.0 32.0
3 田凤占 北京交通大学计算机与信息技术学院 10 145 6.0 10.0
4 黄丽 河北理工大学理学院 2 21 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (21)
同被引文献  (19)
二级引证文献  (38)
2005(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2008(3)
  • 引证文献(3)
  • 二级引证文献(0)
2009(5)
  • 引证文献(5)
  • 二级引证文献(0)
2010(5)
  • 引证文献(3)
  • 二级引证文献(2)
2011(7)
  • 引证文献(3)
  • 二级引证文献(4)
2012(5)
  • 引证文献(0)
  • 二级引证文献(5)
2013(8)
  • 引证文献(2)
  • 二级引证文献(6)
2014(3)
  • 引证文献(0)
  • 二级引证文献(3)
2015(6)
  • 引证文献(0)
  • 二级引证文献(6)
2016(6)
  • 引证文献(2)
  • 二级引证文献(4)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(5)
  • 引证文献(1)
  • 二级引证文献(4)
2019(4)
  • 引证文献(2)
  • 二级引证文献(2)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
贝叶斯网络
增量学习
遗传算法
隐变量
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电子学报
月刊
0372-2112
11-2087/TN
大16开
北京165信箱
2-891
1962
chi
出版文献量(篇)
11181
总下载数(次)
11
总被引数(次)
206555
论文1v1指导