用Bayesian网络处理具有不完整数据的问题分析

被引：5

作者：

王双成

林士敏

陆玉昌

机构：

[1] 清华大学计算机科学与技术系!智能技术与系统国家重点实验室

[2] 北京

来源：

清华大学学报(自然科学版) | 2000年 / 09期

关键词：

Gibbs采样; Gaussian近似; Laplace近似;

D O I：

10.16511/j.cnki.qhdxxb.2000.09.017

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对现有的 Bayesian网络学习方法都不能有效处理缺失数据问题 ,论文给出了两种处理不完整数据问题的方法 :一种方法是先把不完整的数据集修复成完整的数据集 ,利用完整的数据集进行计算 ,并将结果作为不完整数据集对应情况的近似 ;另一种方法是直接使用不完整的数据集进行近似计算 ,而这种近似计算是渐进正确的。实验结果表明前一种方法计算结果准确 ,但效率较低 ;后一种方法效率较高 ,在数据量比较大时能达到很好的效果 ;而且这两种方法的性能比其它处理缺失数据的方法效果要好。

引用

页码：65 / 68

页数：4