一种数据缺失下贝叶斯网络增量学习的有效方法

摘要

提出一种在数据缺失下增量学习贝叶斯网络的有效算法IBN-M.IBN-M用结构化的EM算法来补全数据集中缺失的数据,并且能在并行和启发式搜索策略提供的较大的搜索空间里搜索,有效地避免了采用结构化EM算法而导致的局部极值.同时采用增量学习的方法,解决了大规模数据学习存在的内存空间不足的问题.实验结果表明IBN-M算法在数据缺失下贝叶斯网络的增量学习中确实能够学出相对精确的网络模型.