基于加性协同的离散贝叶斯网络参数学习

摘要：

针对小数据集条件下离散BN参数学习的问题,为了将加性协同约束融入到BN参数学习过程中,通过借鉴经典保序回归算法的思想,提出四种处理加性协同约束的方法,进而利用经典的草地湿润模型对改进算法进行仿真,并与最大似然估计算法进行对比,仿真结果表明,改进算法在精度上有一定优势,能够很好的对最大似然估计算法进行修正,得到相对准确的参数,然而时效性则劣于最大似然估计算法.进一步将改进算法应用到弹道导弹突防模型的参数学习中,通过推理分析验证算法的有效性.

关键词：小数据集、加性协同、贝叶斯网络、参数学习

所属期刊栏目：31

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金60774064;全国高校博士点基金20116102110026

在线出版日期：2015-01-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：61-66,127