具有抗噪音能力的增量式混合贝叶斯网络

• 作者: 王利民 苑森淼
• 来源期刊: 仪器仪表学报
• 学科: 工学
• 关键词: 数据挖掘 贝叶斯网络 决策树 增量学习
• 年，卷（期）: 2005,（3）
• 所属期刊栏目: 学术论文
• 页码范围: 221-225
• 页数: 5页
• 分类号: TP39
• 字数: 4423字
• 语种: 中文
• DOI: 10.3321/j.issn:0254-3087.2005.03.001

摘要

结合信息论提出了一种具有抗噪音能力的增量式混合贝叶斯网络学习算法,该算法用决策树进行定性分析,用贝叶斯网络进行后续的定量分析.在此基础上引入增量学习机制,不仅使得它可以在缺乏领域知识指导的情况下进行归纳学习,在一定程度上模拟了人脑学习时循序渐进和知识增殖、继承方式,还使该算法具有较好的抗噪音能力.理论分析和实验结果表明,该算法是可行的和有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苑森淼	吉林大学计算机科学与技术学院	69	850	15.0	26.0
2	王利民	吉林大学计算机科学与技术学院	30	172	8.0	12.0