论文部分内容阅读
针对大样本条件下EM算法学习贝叶斯网络参数的计算问题，提出一种并行EM算法（ParallelEM，PL-EM）提高大样本条件下复杂贝叶斯网络参数学习的速度．PL-EM算法在E步并行计算隐变量的后验概率和期望充分统计因子；在M步，利用贝叶斯网络的条件独立性和完整数据集下的似然函数可分解性，并行计算各个局部似然函数．实验结果表明PL-EM为解决大样本条件下贝叶斯网络参数学习提供了一种有效的方法．