10.11896/j.issn.1002-137X.2016.8.039
一种基于云模型的贝叶斯网络EM参数学习算法
针对贝叶斯网络连续节点离散化后,概念知识表达存在模糊性和随机性的问题,提出一种将云模型与EM(Expectations Maximization)算法相结合的贝叶斯网络参数学习算法.首先运用启发式高斯云变换算法(HeuristicGaussian Cloud Transformation)和云发生器将连续节点定量样本转换成定性概念,并记录下样本对所属概念的确定度,运用确定度概率转换公式将确定度转换成相应概率;随后复制扩充样本并按概率选择所属概念;样本更新后结合EM算法进行参数优化,实现贝叶斯网络的参数学习.仿真实验结果表明,通过云模型表征概念得到的参数学习结果更加符合实际情况,参数学习精度和网络推理准确性得到了提高.
云模型、贝叶斯网络、参数学习、离散化
43
TP181(自动化基础理论)
2016-10-08(万方平台首次上网日期,不代表论文的发表时间)
共5页
194-198