小数据集条件下的多态系统贝叶斯网络参数学习

摘要：

针对贝叶斯网络中多父节点条件概率分布参数学习问题,提出了一种适用于多态节点、模型不精确、样本信息不充分情形的参数学习方法.该方法利用因果机制独立假设,分解条件概率分布,使条件概率表的规模表现为父节点个数和状态数的线性形式;利用Leaky Noisy-MAX模型量化了多态系统模型未含因素对参数学习的影响;从小样本数据集中获取模型参数并合成条件概率表.结果表明,该方法能提高参数学习效率与精度.

关键词：贝叶斯网络、多态系统、小数据集、因果机制独立、参数学习

所属期刊栏目：42

分类号：TP181(自动化基础理论)

资助基金：铁道部科技研究开发计划重点课题2012X003-B;甘肃省自然科学基金资助项目1112RJZA040

在线出版日期：2015-05-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：253-257