原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于PCA的贝叶斯网络分类器研究.pdf
第17卷第9期 电子设计工程 2009年9月
Vol_17No．9 Electronic
DesignEngineering Sept．2009
基于PCA的贝叶斯网络分类器研究
刘晓洁
(北京化工大学．北京100029)
摘要：针对基于信息论的贝叶斯网络结构学习算法中结点集越大计算效率越低的缺点，采用主元分析(PCA)对样本
数据降维．减少构造网络的结点数量，提高贝叶斯网络结构构造算法的效率。应用基于PCA方法构造贝叶斯网络，
其结点少、结构简单，较传统贝叶斯网络具有较高的学习效率和分类准确率。
关键词：贝叶斯网络；主元分析(PCA)；Gibbs抽样；信息论
中图分类号：11P18：11P18l 文献标识码：A
of networkconstruction onPCA
Research based
Bayesian approach
LIU
Xiao-jie
Chemical 100029，China)
(BeijingUnivers毋ofTechnology，Beijing
PCA
tothe of network U$eS toreducethedi-
disadvantageBayesian algorithm，this
Abstract：According learning paper
of
ofthe downthenumberofnetworknodesand ofconstruction
sampledata。cut improveefficiency approach
mensionality
network．ThenetworkbasedonPCAhasless structureandhasmole
Bayesian Bayesian nodes，simpler Leafingefficiency
andclassificationasaclassifierthantraditional network．
accuracy Bayesian
theory
Keywords：Bayesiannetwork；PrincipalComponentAnalysis(PCA)；Gibbssampling；information
行离散化。每个属性都有3个标度：5标度、7标度、9标度．-7
1 引言
以选择。算法步骤如下：
近几年来．贝叶斯网络已成为数据挖掘和知识发现中的 (1)随机初始化隶属度矩阵：
一个主要t具，在分类、聚类、
文档评论（0）