论文部分内容阅读
针对大规模Bayes网络的条件概率赋值问题,提出一种学习方法. 首先使用类层次结构定义一种新的层次Bayes网络模型,用于表示大规模Bayes网络. 然后将训练数据集由单个数据表的形式转化成多表数据库,其中每个数据库表对应1个Bayes网络模块. 在此基础上导出条件概率计算公式,从每个数据库表中算出相应的Bayes网络模块的条件概率表,由此实现对整个层次Bayes网络的概率赋值. 可通过适当增加数据库表的数目来控制每个表中属性的个数,保证计算的可行性. 最后将本层次Bayes网络及计算公式用于解决图像中文