基于属性多叉树——贝叶斯网络的分布式客户序位模型

本文针对目前连锁企业分布式客户序位的不足,提出了基于属性多叉树—贝叶斯网络的分布式客户序位模型,通过属性多叉树反映分布环境下各数据集属性的总体特征。试验结果表明,该模型对检验样本的序位预测精度更高,是一种高效和实用的客户序位方法。

基于贝叶斯网络的分布数据挖掘模型DDMB研究

本文针对分布环境的数据挖掘要求，提出了基于贝叶斯网络的分布数据挖掘模型DDMB。论文详细阐述了DDMB中属性多叉树的概念和通过属性多叉树来反映分布环境下各数据集属性总体特征的思想，介绍了基于移动Agent访问分布数据集来构建属性多叉树的方法，详细描述了由属性多叉树生成综合贝叶斯网络的算法，阐述了面向属性多叉树的贝叶斯网络结构学习和参数学习以及属性间依赖系数最小阈值的确定方法。实验结果表明，该模型有效地解决了原有分布环境下贝叶斯网络学习负担重、存储开销大、执行效率低等问题。