贝叶斯网络地并行EM学习算法.pdfVIP

下载本文档

16
0
约2.79万字
约 9页
2017-09-18 发布于江苏
举报
版权申诉

贝叶斯网络地并行EM学习算法.pdf

1、本文档共9页，可阅读全部内容。
2、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。
3、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。
4、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)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、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。
7、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。
8、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

第21卷第5期模式识别与人工智能 V01．2lNo．5 2008年lO月 PRAI 0ct 2008 贝叶斯网络的并行EM学习算法俞奎1，2 王浩1 吴信东1’3 姚宏亮1 1(合肥工业大学计算机科学与信息学院合肥230009) 2(常州纺织服装职业技术学院计算机科学与技术系常州213164) of Scienceand of 3(DepartmentComputer Technology，UniversityVermont，Burlington，USA，05405) 摘要时间复杂性是基于EM框架的贝叶斯网络学习算法应用的一个瓶颈问题．本文首先提出一种并行的参数 EM算法来学习具有缺省数据的贝叶斯网络参数，实验表明该算法可有效降低参数学习的时间复杂性．进而将该充分因子和贝叶斯网络的参数，降低结构学习的时间复杂性．关键词贝叶斯网络，参数学习，结构学习，期望最大化(EM)算法，消息传递接口(MPI)库 18l 中图法分类号TP NetworksaParallelEM LearningBayesian Using Approach YU Kuil”，WANGHa01，WUXin．Don91…，YAOHong—Lian91 Scienceand 1(DepartmentofComputer Technology，HefeiUniversityofTechnology，Hefei230009) Scienceand TextileandGarment 2(DepartmentofComputer Technology，Instituteof ofChangzhou， 213164) Changzhou Scienceand 3(DepartmentofComputer Technology，Universityof ABSTRACT the statisticsisthemainbottleneckin Computingexpected learningBayesiannetworks．Firstly，a for network is parallelexpectation—maximization(PL—EM)algorithmleaningBayesian parameters PL—EM the and andthe reducesthetime presented．Thealgorithmparallelizes greatly E—step M—step ofthe PL—EM is to networks complexityparameterlearning．ThenalgorithmappliedlearningBayesian a is for