贝叶斯网络的动态知识获取与修正
对贝叶斯网络的在线参数学习进行了研究.分析了ML和VotingEM算法的特点.发现它们在快速适应样本特征变化、预测与确定算法参数方面存在的不足,并提出基于上述两种方法的混合在线学习算法.改进算法根据修正参数误差以及调节数据量权重动态获取与确定贝叶斯网络.研究结果表明,改进算法在快速获取知识参数与知识检验正确率方面,比Voting EM方法具有更好的特点.
贝叶斯网络、参数学习、动态知识获取、在线学习、极大似然估计
30
TP391(计算技术、计算机技术)
2009-06-16(万方平台首次上网日期,不代表论文的发表时间)
共4页
2257-2259,2263