数据缺失下学习贝叶斯网的一种混合启发方法

计算机科学 ›› 2008, Vol. 35 ›› Issue (12): 163-166.

数据缺失下学习贝叶斯网的一种混合启发方法

出版日期:2018-11-16 发布日期:2018-11-16
基金资助:
基金项目：本文获国家教育部博士点基金（20060285008）,江苏省自然科学基金（BK2003030）资助.

Online:2018-11-16 Published:2018-11-16

摘要/Abstract

摘要： 建立了具有数据缺失训练集下学习贝叶斯网的一种混合启发方法：SGS-EM—PACOB算法。它基于打分-搜索方法，利用GS和EM数据补全策略分别得到学习所需要的统计因子，并将两者联合起来作为PACOB算法的启发因子。实验证明，SGS-EM—PACOB算法充分保留GS和EM两者的优点，促使算法能够平稳地收敛到理想结果。相对于只具有单一数据补全策略的算法，该算法不仅在度量数据拟合程度的Logloss值上保持稳定，而且在学习到的贝叶斯网络结构上也有改进。

关键词: 学习贝叶斯网数据补全策略混合启发

Abstract: Presented an efficient hybrid heuristic SGS-EM-PACOB algorithm for learning Bayesian network with missing values. It is based on scoring and searching method by using GS and EM data completion policies to attain statistic information, which is essential i

Key words: Learning bayesian network,Data completion policy, Hybrid heuristic

. 数据缺失下学习贝叶斯网的一种混合启发方法[J]. 计算机科学, 2008, 35(12): 163-166. https://doi.org/

参考文献

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed