组合数据下贝叶斯网络构建算法研究

发布时间：2020-12-31 00:32

　　本文针对数据源复杂和不同领域数据组合构建贝叶斯网络时,计算量大且在大数据集中表现较差的问题,提出了组合数据下贝叶斯网络构建算法。该算法先利用改进K2算法构建的不同领域贝叶斯网络,再进行融合。实验结果表明,本文提出的算法能够减少计算量,提高了算法效率,并且适用于大数据集。 

【文章来源】：电子技术与软件工程. 2020年09期

【文章页数】：2 页

【部分图文】：

运行时间比较

本文提出的组合数据下贝叶斯网络构建算法，首先对K2算法进行修改，将阈值加入到K2评分过程中，得到结点依赖关系，来减少评分函数计算量大的问题，并通过贝叶斯网络结构融合的方法，解决结点增加带来的运行时间过长的问题。算法能够随着样本数量的增加保持其稳定性，并通过实验结果证明了K2改进算法和贝叶斯网络结构融合算法的可行性。图2：相似度分析

相似度分析

【参考文献】：
期刊论文
[1]贝叶斯网络在大规模医疗数据上的应用研究[J]. 左春荣,余本功,江澍,李娜,廖海波.  微电子学与计算机. 2008(06)



本文编号：2948594