The invention employs mixtures of Bayesian networks to perform clustering.
A mixture of Bayesian networks (MBN) consists of plural
hypothesis-specific Bayesian networks (HSBNs) having possibly hidden and
observed variables. A common external hidden variable is associated with
the MBN, but is not included in any of the HSBNs. The number of HSBNs in
the MBN corresponds to the number of states of the common external hidden
variable, and each HSBN is based upon the hypothesis that the common
external hidden variable is in a corresponding one of those states. In one
mode of the invention, the MBN having the highest MBN score is selected
for use in performing inferencing. The invention determines membership of
an individual case in a cluster based upon a set of data of plural
individual cases by first learning the structure and parameters of an MBN
given that data and then using the MBN to compute the probability of each
HSBN generating the data of the individual case.
Вымысел использует смеси bayesian сетей для того чтобы выполнить связывать. Смесь bayesian сетей (MBN) состоит плюральных предположени-speqificeski bayesian по возможности пряча сетей (HSBNs) и наблюдаемых перемеююых. Общяя внешняя спрятанная перемеююый связана с MBN, но не включена в любое из HSBNs. Номер HSBNs в MBN соответствует к числу положений общей внешней спрятанной перемеююого, и каждое HSBN основано на предположении которое общяя внешняя спрятанная перемеююый в соответствуя одном из тех положений. В одном режиме вымысла, MBN имея самый высокий счет MBN выбрано для пользы в выполнять inferencing. Вымысел обусловливает членство индивидуального случая в группе основанной на комплекте данных плюральных индивидуальных случаев сперва учить структуру и параметры дали MBN, котор что данные и после этого использовать MBN для того чтобы вычислить вероятность каждого HSBN производя данные индивидуального случая.