面向大规模数据集的贝叶斯网络参数学习算法

？贝叶斯网络的学习可以分为结构学习和参数学习。期望最大化（em）算法通常用于不完整数据的参数学习，但是由于em算法计算相对复杂，存在收敛速度慢和容易局部最大化等问题，传统的em算法难于处理大规模数据集。研究了em算法的主要问题，采用划分数据块的方法将大规模数据集划分为小的样本集来处理，降低了em算法的计算量，同时也提高了计算精度。实验证明，该改进的em算法具有较高的性能。