判别贝叶斯网络的CEM学习算法
当数据存在缺值时,通常应用EM算法学习贝叶斯网络.然而,EM算法以联合似然作为目标函数,与判别预测问题的目标相偏离.与EM算法不同,CEM(Conditional Expectation Maximum)算法直接以条件似然作为目标函数.研究了判别贝叶斯网络学习的CEM算法,提出一种使得CEM算法具有单调性和收敛性的Q函数.为了简化计算,在CEM算法的E步,应用Q函数的一种简化形式;在CEM算法的M步,应用梯度下降法的一次搜索结果作为最优值的近似.最后,在UCI数据集上的实验结果表明了CEM算法在判别贝叶斯网络学习中的有效性.
判别贝叶斯网络、缺值数据、CEM算法、梯度下降
31
TP181(自动化基础理论)
高等学校博士学科点专项科研基金项目20059998019
2010-03-26(万方平台首次上网日期,不代表论文的发表时间)
共4页
169-172