Bayesian Network Distribution:我的本科毕业设计的源码 源码

介绍 这个项目是我的SUB毕设的源码。SUB毕设做的是建造一个Hadoop云计算平台,并在该平台上将贝叶斯网络结构学习算法进行分布化实现。 贝叶斯网络结构学习算法采用K2算法,K2算法采用贪婪搜索处理模型处理问题。首先选择一种评价网络结构优劣的评分函数,本项目中使用的是BIC评分,然后从一个网络开始,根据预先确定的最大父父数据和例程的序号,选择选择分值最高的中断作为该例程的父节点。 K2算法的出发点是一个只有例程没有边的无向图,然后按照顺序依次确定该例程的父例程,即增加有向边,并使用评分函数作为判别条件。寻找父上游的过程(即寻找局部最优网络结构的过程)是相互独立的,可以并行执行计算,加速网络的生成过程。 第一个Map-Reduce过程,是为了处理数据集,进行统计和分析,替代数据量;第二个Map-Reduce过程,是计算贝叶斯网络结构的过程。地图过程,计算每个节点的局部最优网络结构及其评分