《表2 汉明距离对比：一种学习稀疏BN最优结构的改进K均值分块学习算法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种学习稀疏BN最优结构的改进K均值分块学习算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

下面我们分析OS-IKM算法是否能达到和其他算法相同的精度，结果如表2所示.本文首先使用汉明距离进行比较，下表中A（NG*）表示最终习得的网络与真实网络相比多余的边，M（NG*）表示最终习得的网络与真实网络相比缺失的边，I（NG*）表示最终习得的网络与真实网络相比反向的边，汉明距离=多余边+缺失边+反向边，即H（NG*）.结构学习得出的网络与真实网络之间的汉明距离越小，说明与真实网络相似度越高，精确度越高.