基于改进贝叶斯网络的健康大数据分类模型

摘要：

贝叶斯网络是数据挖掘领域的研究热点,它是一种确定事物间不确定性依赖关系的有效工具.本文研究传统贝叶斯网络结构学习算法的优点和不足,并针对原算法的不足之处提出了改进.将改进后的算法应用于健康大数据集上,确定了数据集中各个健康属性之间的依赖关系,建立了相关属性依赖关系的网络结构.最终运用该网络结构对数据集中的数据进行自动分类.实验结果表明,本文基于贝叶斯网络建立的健康大数据分类模型具有良好的性能,实现了预期效果.

关键词：健康大数据、贝叶斯网络、不确定性依赖、分类模型

分类号：TP181(自动化基础理论)

资助基金：广东省协同创新与平台环境建设专项资金资助项目产学研合作项目2014A090906004

在线出版日期：2018-01-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：61-64