动态贝叶斯网络参数学习算法的一种加速

摘要：

针对动态贝叶斯网络EM参数学习算法中计算量大和收敛速度慢问题，通过将大规模时序数据集划分为较小的数据块,提出一种基于部分E步的加速算法(DA-EM)。DA-EM在块间循环迭代,每一次迭代执行部分E步,增量式地更新似然函数和网络参数,以缩短E步执行时间。该算法在不损失精度情况下能显著加快EM算法的收敛速度,有效地提高EM算法的计算效率。实验表明,DA-EM算法有较高的计算效率。

关键词： 动态Bayesian网络 贝叶斯网络 参数学习 DA-EM算法

作者: 莫富强 王浩 姚宏亮

作者单位: 合肥工业大学计算机与信息学院 合肥 230009

会议类型: 国内会议

会议名称: 中国仪器仪表学会第九届青年学术会议

会议地点: 合肥

会议语种:中文

页码: 470-473

在线出版日期: 2007-10-01（万方平台首次上网日期，不代表论文的发表时间）