、SEM算法基本思想：SEM算法是参数EM算法的一个推广，它将EM算法应用到不完备数据集的贝叶斯网络学习中。其基本思想是：从某一初始贝叶斯网络BO=(GO,GO)出发开始迭代，在进行了t次迭代得到当前最佳网络Bt=(Gt,Gt)后，第t+1次迭代由以下两步骤组成：1、基于当前最佳网络Bt=(Gt,Gt)对数据集D利用EM算法进行补全，使之完整并得到完整数据集Dt；2、基于数据集Dt对模型及参数进一步优化，得到Bt+l=(Gt+l,Gt+1)其中，初始网络的选择一般是这样的：隐变量和所有的已观测变量都是相连的，并且是它们的父节点。如果一个网络结构中有很多隐变量，那么就从中随机的选择边，以确保不会超过父节点集的大小，然后按照上述思想进行迭代。二、SEM算法的执行过程SEM算法主要分为结构搜索和参数学习两步。进行结构搜索时，SEM算法使用期望充分统计因子代替不存在的充分统计因子，这样可使打分函数具有可分解形式，再进行局部搜索，以试图发现得分更高的网络结构；然后，在选定的网络结构上寻找使得得分最大的参数。其具体执行过程如下：1、设置变量的初始值；2、从某个初始贝
