%0 Journal Article %T 包含隐变量的贝叶斯网络增量学习方法 %A 田凤占 %A 黄丽 %A 于剑 %A 黄厚宽 %J 电子学报 %P 1925-1928 %D 2005 %X 提出了一种贝叶斯网络增量学习方法——ILBN.ILBN将EM算法和遗传算法引入到了贝叶斯网络的增量学习过程中,用EM算法从不完整数据计算充分统计量的期望,用遗传算法进化贝叶斯网络的结构,在一定程度上缓解了确定性搜索算法的局部极值问题.通过定义新变异算子和扩展传统的交叉算子,ILBN能够增量学习包含隐变量的贝叶斯网络结构.最后,ILBN改进了Friedman等人的增量学习过程.实验结果表明,ILBN和Friedman等人的增量学习方法存储开销相当,但在相同条件下,学到的网络更精确;实验结果也证实了存在不完整数据和隐变量时,ILBN的增量学习能力. %K 贝叶斯网络 %K 增量学习 %K 遗传算法 %K 隐变量 %U http://www.ejournal.org.cn/CN/abstract/abstract4423.shtml