并行的贝叶斯网络参数学习算法

摘要：

针对大样本条件下EM算法学习贝叶斯网络参数的计算问题,提出一种并行EM算法(Parallel EM,PL-EM)提高大样本条件下复杂贝叶斯网络参数学习的速度.PL-EM算法在E步并行计算隐变量的后验概率和期望充分统计因子;在M步,利用贝叶斯网络的条件独立性和完整数据集下的似然函数可分解性,并行计算各个局部似然函数.实验结果表明PL-EM为解决大样本条件下贝叶斯网络参数学习提供了一种有效的方法.

关键词：贝叶斯网络、EM算法、PL-EM算法、MPI

所属期刊栏目：28

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金60575023;高等学校博士学科点专项科研项目20050359012

在线出版日期：2007-12-24（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：1972-1975