基于贝叶斯网络的海量数据多维分类学习方法研究

• 作者: 张林 陈池梅
• 来源期刊: 计算机应用研究
• 关键词: 多维分类 贝叶斯网络 机器学习 海量数据
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 689-692
• 页数: 4页
• 分类号: TP183
• 语种: 中文

摘要

为了提高多维分类的执行效率，同时保持高的预测准确性，提出了一种基于贝叶斯网络的多维分类学习方法。将多维分类问题描述为条件概率分布问题。根据类别向量之间的依赖关系建立了条件树贝叶斯网络模型。最后，根据训练数据集对条件树贝叶斯网络模型的结构和参数进行学习，并提出了一种多维分类预测算法。大量的真实数据集实验表明，提出的方法与当前最好的多维分类算法 MMOC 相比，在保持高准确性的同时将模型的训练时间降低了两个数量级。因此，提出的方法更适用于海量数据的多维分类应用中。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张林	西南石油大学计算机科学学院	40	266	9.0	15.0
2	陈池梅	重庆医科大学附属第一医院信息中心	5	22	2.0	4.0